大规模预测结核病患者的治疗依从性

结核病（TB）是一种传染性细菌性疾病，是死亡的重要原因，尤其在低收入国家，估计2020年全球报告了一千万新病例。虽然结核病可治疗，但不依从用药方案是发病和死亡的重要原因。因此，主动识别有脱离用药方案风险的患者可启用纠正措施以减轻不良后果。使用极端不依从的代理度量以及来自印度四个邦的近700,000名患者的数据集，我们基于自定义的基于排序的度量，制定并解决了早期预测不依从性的机器学习（ML）问题。我们训练ML模型并与基线比较评估，在考虑全国范围大规模未来部署的情况下，相比基于规则的基线取得了约100%的提升，相比随机分类器取得了约214%的提升。我们在过程中处理了各种问题，包括数据质量、高基数类别数据、低目标患病率、分布偏移、队列间差异、算法公平性，以及对鲁棒性和可解释性的需求。我们的发现表明，不依从患者的风险分层是一种可行的、可大规模部署的ML解决方案。作为印度中央结核病司的官方AI合作伙伴，我们正在开展多个城市和邦级试点，目标是全印度部署。