Deep Learning per la Diagnosi Precoce della Candidemia: un’Analisi Post-hoc sull’Ottimizzazione degli Iperparametri

Abstract

Background: La differenziazione precoce tra candidemia e batteriemia è difficile perché i segni clinici possono sovrapporsi. L’emocoltura è il metodo di riferimento, ma i risultati sono disponibili con ritardo.

Obiettivo: Questa tesi ha sviluppato una pipeline di deep learning per distinguere candidemia e batteriemia e ha valutato il contributo delle variabili di laboratorio rispetto a beta-D-glucano (BDG) e procalcitonina (PCT), nonché l’utilità del transfer learning in una coorte più piccola.

Metodi: I dati sono stati suddivisi a livello di paziente per ridurre il data leakage. I valori mancanti sono stati gestiti mediante imputazione con la mediana usando SimpleImputer. Le variabili continue sono state trasformate con QuantileTransformer invece della standardizzazione Z-score, a causa di distribuzioni asimmetriche e valori estremi. L’architettura è stata progettata progressivamente, con un hidden layer selezionato in 8/10 seed e 32 neuroni in 7/10. La Bayesian optimization ha ottimizzato dropout e regolarizzazione L2. La CBPFI ha identificato sette feature informative, valutate insieme a BDG e PCT. Infine, il transfer learning ha trasferito i pesi dal modello sorgente alla coorte target, seguito dal fine-tuning.

Risultati: Nella coorte BDG/PCT di 1.165 episodi, con circa il 15% di episodi di candidemia, BDG+PCT ha raggiunto TSS 0.212 e ROC-AUC 0.654. L’aggiunta di sette variabili ha aumentato TSS a 0.257 e ROC-AUC a 0.674. Il transfer learning ha raggiunto TSS 0.275 e ROC-AUC 0.677. La sensibilità è aumentata da 0.573 a 0.710, mentre la specificità è diminuita da 0.685 a 0.565.

Conclusioni: La pipeline ha mostrato una capacità discriminativa moderata. Le variabili selezionate hanno migliorato le prestazioni rispetto a BDG+PCT, mentre il transfer learning ha migliorato modestamente TSS e sensibilità, riducendo però la specificità. Sono necessarie ulteriori validazioni indipendenti prima dell’applicazione clinica.

Background: Early differentiation of candidemia from bacteremia is challenging because their clinical and laboratory findings can overlap. Blood culture is the reference method, but results are delayed.

Objective: This thesis aimed to develop a deep-learning pipeline, assess whether selected laboratory variables add information beyond beta-D-glucan (BDG) and procalcitonin (PCT), and investigate transfer learning in a smaller cohort.

Methods: Data were split at patient level to reduce data leakage, with preprocessing fitted on training data only. Compared with the previous approach, missing values were handled by training-set median imputation using SimpleImputer, while continuous variables were transformed with a QuantileTransformer with normal output instead of Z-score standardization because of skewed distributions. Architecture was engineered progressively, with one hidden layer selected in 8/10 seeds and 32 neurons in 7/10 seeds. Bayesian optimization tuned dropout, L2 regularization. CBPFI identified informative variables, and seven top-ranked features were evaluated with BDG and PCT. Transfer learning transferred weights from the larger source model to the smaller target cohort, followed by fine-tuning.

Results: In the complete-BDG/PCT cohort of 1,165 episodes, with ~15% candidemia episodes, BDG+PCT achieved TSS 0.212 ± 0.029 and ROC-AUC 0.654 ± 0.023. Adding seven laboratory variables increased TSS to 0.257 ± 0.064 and ROC-AUC to 0.674 ± 0.046. Transfer learning achieved TSS 0.275 ± 0.073 versus 0.257 ± 0.064 with direct training, and ROC-AUC 0.677 ± 0.040 versus 0.674 ± 0.046. Sensitivity increased from 0.573 to 0.710, while specificity decreased from 0.685 to 0.565.

Conclusion: The optimized pipeline showed moderate discrimination. Selected laboratory variables improved performance beyond BDG+PCT, while transfer learning modestly improved TSS and sensitivity but reduced specificity. Larger independent validation is required before clinical application.