Uso de clasificadores de aprendizaje automático supervisado para estimar la probabilidad de participar en ensayos clínicos de una versión desidentificada de ResearchMatch

INTRODUCCIÓN: La falta de participación en ensayos clínicos (EC) es una barrera importante para la evaluación de nuevos fármacos y dispositivos. Aquí informamos los resultados del análisis de un conjunto de datos de ResearchMatch, un registro clínico en línea, utilizando enfoques de aprendizaje automático supervisado y un enfoque de aprendizaje profundo para descubrir características de individuos más propensos a mostrar interés en participar en EC. MÉTODOS: Entrenamos seis clasificadores de aprendizaje automático supervisado (Regresión Logística (LR), Árbol de Decisión (DT), Gaussian Naïve Bayes (GNB), Clasificador de K-Vecinos más Cercanos (KNC), Clasificador Adaboost (ABC) y un Clasificador de Bosque Aleatorio (RFC)), así como un método de aprendizaje profundo, Red Neuronal Convolucional (CNN), utilizando un conjunto de datos de 841,377 instancias y 20 características, incluyendo datos demográficos, restricciones geográficas, condiciones médicas e historial de visitas a ResearchMatch. Nuestra variable de resultado consistió en respuestas que mostraban interés específico del participante cuando se presentaban invitaciones a oportunidades específicas de ensayos clínicos ('sí' o 'no'). Además, creamos cuatro subconjuntos de este conjunto de datos basados en las principales condiciones médicas auto-referidas y el género, que se analizaron por separado. RESULTADOS: El modelo de aprendizaje profundo superó a los clasificadores de aprendizaje automático, logrando un área bajo la curva (AUC) de 0.8105. CONCLUSIONES: Los resultados muestran evidencia suficiente de que hay correlaciones significativas entre variables predictoras y la variable de resultado en los conjuntos de datos analizados utilizando los clasificadores de aprendizaje automático supervisado. Estos enfoques muestran promesa para identificar individuos que pueden ser más propensos a participar cuando se les ofrece una oportunidad para un ensayo clínico.