机器学习方法用于预测埃塞俄比亚中部结核病原发患者家庭接触者的结核病风险

这对家庭为何重要

结核病（TB）常被认为是在公交车或拥挤市场上从陌生人处感染的疾病，但许多感染实际上发生在家中。当一家有人患结核时，家人共用空气、房间和床——然而真正进展为疾病的通常只有少数人。这项来自埃塞俄比亚中部的研究提出了一个具有全球意义的务实问题：计算机能否帮助我们快速筛选出最有可能生病的家庭成员，从而把有限的检测和药物用于最需要的人？

研究家庭的生活状况

研究人员与常规上门随访传染性肺结核确诊患者的卫生团队合作。在四个农村地区和三个小城镇，他们收集了387名“原发”结核患者以及与之同住的1,277名家庭接触者的详细资料。许多家庭居住拥挤，典型的四口之家被挤在狭小住处，常常只有一间房和一扇窗。大多数家庭使用木柴或炭火做饭，空气中弥漫烟雾。许多家庭成员是儿童或青年，几乎一半的患者和接触者接受过的正规教育很少或没有。这类环境有利于结核传播——但即使在这些条件下，最终被诊断出结核的家庭成员也只有23人（约每100人中2人）。

将上门随访转化为数据

每次上门随访都生成了关于日常生活和健康的丰富图景。对于每位接触者，团队记录了年龄、性别、接种情况、咳嗽、发热、盗汗、乏力、体重减轻、与患者相处时间以及哮喘或糖尿病等其他疾病。他们还记录了住房细节，如房间数量、房屋类型、烹饪燃料与通风情况，以及原发结核患者的特征，例如在开始治疗前病程的长短。所有这些信息被转换为适合计算机分析的数值，研究者采用谨慎的方法处理缺失回答，并防止诸如数据集中结核病例数量很少等罕见事件在模型中被忽视。

让算法寻找模式

研究团队随后训练了几种类型的机器学习模型——从数据中学习模式的计算程序——以预测哪些接触者患有结核。这些模型包括常见的统计工具（如逻辑回归）以及更灵活的方法，如随机森林、平衡随机森林、K近邻、人工神经网络和梯度提升。由于绝大多数接触者并未患结核，作者将重点放在“召回率”上：即模型尽可能捕捉到真实结核病例的能力，即便这可能带来一些误报。在公共卫生领域，漏掉一个病人通常比多检测一个健康人更危险。

是什么驱动风险以及哪些模型表现最好

将许多简单决策规则组合起来的集成模型，特别是随机森林及其“平衡”变体，在发现真实结核病例方面表现最好。它们大约能正确识别出七分之六的结核患者，同时保持合理的整体准确性。研究还使用了一种称为SHAP的技术来窥探这些“黑箱”模型，查看哪些因素最重要。在筛查中被标为疑似结核、提供痰液样本、持续或有痰的长期咳嗽、感觉极度疲倦和食欲减退等，都强烈将接触者推向“可能患结核”的一侧。在家庭特征中，较小的住屋面积（拥挤的标志）会增加风险。一些特征似乎具有保护作用：女性、身高较高以及与受教育程度较高的原发患者同住均与较低风险相关，可能反映出暴露、营养和就医可及性方面的差异。

这对结核防控的意义

对于必须精打细算卫生资源的公共卫生项目，这些发现提供了一种更智能地利用常规上门随访数据的方法。诊所可以在后台运行简单的计算模型，对风险最高的接触者进行标记，以便进一步随访、更快检测或预防性治疗，而非把所有家庭接触者一视同仁。研究表明，即便在资源有限的环境中，精心设计的机器学习工具也能辅助更早地在家庭成员中发现结核，减少漏诊并提高接触者调查的效率——前提是这些模型在纳入国家结核策略之前须在其他地区进行测试和调整。

引用: Wolde, H.M., Kebede, W., Yewhalaw, D. et al. Machine learning approaches to predict the risk of tuberculosis among household contacts of index TB patients in Central Ethiopia. Sci Rep 16, 10457 (2026). https://doi.org/10.1038/s41598-026-41547-7

关键词: 结核病, 家庭接触者, 机器学习, 风险预测, 埃塞俄比亚