공중 보건 문제와 코로나19에 대한 망설임에 대한 딥러닝 예측 모델

Scientific Reports 13권, 기사 번호: 9171(2023) 이 기사 인용

3 알트메트릭

측정항목 세부정보

팬데믹 시대를 통틀어 코로나19는 지난 몇 년간 주목할 만한 예상치 못한 상황 중 하나였지만, 노력과 지식의 분권화와 세계화로 성공적인 백신 기반 방제 전략이 전 세계적으로 효율적으로 설계되고 적용되었습니다. 반면에, 정당한 혼란과 망설임은 공중 보건에 널리 영향을 미쳤습니다. 본 논문은 환자의 병력을 고려하여 코로나19 백신 접종에 대한 망설임을 줄이는 것을 목표로 한다. 본 연구에 사용된 데이터세트는 미국 식품의약국(FDA)과 질병통제예방센터(CDC)가 공동으로 제작한 VAERS(백신 이상사례 보고 시스템) 데이터세트로, 보고된 부작용을 수집하기 위한 것입니다. PFIEZER, JANSSEN 및 MODERNA 백신으로 인해 발생합니다. 본 논문에서는 특정 유형의 코로나19 백신(예: PFIEZER, JANSSEN, MODERNA)과 백신 접종 환자에게 발생할 수 있는 이상반응 간의 관계를 식별하기 위해 딥러닝(DL) 모델을 개발했습니다. 연구 중인 이상반응은 회복 상태, 입원 가능성, 사망 상태 등이다. 제안 모델의 첫 번째 단계에서는 데이터 세트가 사전 처리되었으며, 두 번째 단계에서는 비둘기 떼 최적화 알고리즘을 사용하여 제안 모델의 성능에 영향을 미치는 가장 유망한 기능을 최적으로 선택했습니다. 백신 접종 후 환자의 상태 데이터 세트는 세 가지 대상 클래스(사망, 입원, 회복)로 그룹화됩니다. 세 번째 단계에서는 각 백신 유형과 각 대상 클래스 모두에 대해 RNN(Recurrent Neural Network)이 구현됩니다. 결과는 제안된 모델이 PFIEZER 백신 접종의 경우 Death target class에 대해 96.031%의 가장 높은 정확도 점수를 제공한다는 것을 보여줍니다. JANSSEN 예방접종 중 입원 대상 계층은 94.7%의 정확도로 가장 높은 성과를 보였습니다. 마지막으로, 모델은 97.794%의 정확도로 MODERNA 백신 접종에서 복구된 대상 클래스에 대해 최고의 성능을 갖습니다. 정확도와 Wilcoxon Signed Rank 테스트를 바탕으로 제안된 모델이 코로나19 백신의 부작용과 예방접종 후 환자 상태 간의 관계를 식별하는 데 유망하다는 결론을 내릴 수 있습니다. 이번 연구에서는 코로나19 백신의 종류에 따라 환자에게서 특정 부작용이 증가하는 것으로 나타났다. CNS 및 조혈 시스템과 관련된 부작용은 연구된 모든 코로나19 백신에서 높은 값을 나타냈습니다. 정밀 의학의 틀에서 이러한 발견은 의료진이 환자의 병력을 기반으로 최고의 코로나19 백신을 선택하는 데 도움이 될 수 있습니다.

백신을 개발하는 방법에는 여러 가지가 있습니다. 사용된 바이러스의 비율이 다릅니다. 세계보건기구(WHO)1에 따르면, 전체 미생물 접근법과 같은 전체 바이러스 또는 박테리아를 사용하는 접근법과 하위 단위 접근법과 같이 신체의 면역 체계를 촉발하는 바이러스의 일부만 사용하는 접근법 또는 단지 유전적 접근법(핵산 백신)과 같은 특정 단백질을 생성하는 데 필요한 지침을 제공하는 유전 물질.

일부 코로나19 백신은 화이자-바이오엔텍(Pfizer-BioNTech), 모더나2(Moderna2) 등 유전자 변형 형태의 메신저 RNA(mRNA)를 사용한다. 코로나19의 구성을 자세히 살펴보면 바이러스 표면에 S당단백질이라고 불리는 스파이크 모양의 구성이 있다는 것을 쉽게 알 수 있습니다. 이러한 mRNA가 코로나19 mRNA 백신을 통해 체내로 들어오면 수용자의 신체 세포에 무해한 S 단백질 조각을 생성하도록 명령합니다. 반면, 다른 코로나19 백신은 SARS-CoV-2의 스파이크 유전자를 아데노바이러스와 같은 다른 바이러스 벡터로 재조합하는 것에 의존하는 AstraZeneca, Janssen, Gamaleya와 같은 벡터 기반 백신으로 간주됩니다. SARS-CoV-2의 바이러스 벡터 기반 백신은 SARS-CoV-2 및 바이러스 벡터 바이러스에 대한 발병 기전이 없습니다.