Supervised methods to classify body composition in HIV-infected patients

Abstract

Since it was first diagnosed in the early 1980s, the research on AIDS has exponentially improved along the years. Nowadays, in fields like biostatistics where biology meets advanced statistics and mathematics, the study lines have turned and another approach can be made to handle scientific problems. Due to the successful improvements that research has provided to the quality of life of HIV-positive individuals, their life expectancy is approximately normal, but they develop ageing related diseases: their bones turn to be more fragile, their muscles get weaker, and their fat mass may be abnormally distributed. The aim of this project is to find machine learning supervised classification methods to detect ageing diseases in HIV-infected individuals, and discuss if these methods provide valuable information regarding the variables of the dataset and how they relate to each other. Thus, a significative ('No information rate' test p-value < 0.05) Neural Network model is computed using R and in particular the package mlr, to successfully classify a lean mass disease associated with the ageing process, using bone and fat data samples as explicative variables. The topology and weight distribution of this model's network provides information about the most relevant variables, which may be of clinical interest. Given the elevated accuracy and positive performance parameters of said classification method, it is safe to say that the assumption that a lean mass ageing disease could be predicted by the bone and fat tissue variables is validated, and consequently the goals of this project are achieved.

Desde que se diagnosticó por primera vez a principios de la década del 1980, la investigación sobre el SIDA ha mejorado exponencialmente. Hoy en día, en campos como la bioestadística, donde la biología se encuentra con la estadística avanzada y las matemáticas, las líneas de estudio han cambiado y existe otro enfoque para resolver problemas de investigación científica. Debido a las mejoras que la investigación ha proporcionado a la calidad de vida de las personas seropositivas, su esperanza de vida es aproximadamente normal, pero desarrollan enfermedades relacionadas con el envejecimiento: sus huesos se vuelven más frágiles, sus músculos se debilitan y su grasa puede estar anormalmente distribuida. El objetivo de este proyecto es encontrar métodos de clasificación supervisados por aprendizaje automático para detectar enfermedades del envejecimiento en personas infectadas por el VIH. Así se calcula un modelo de red neuronal significativo (test de 'No information rate' p-valor<0.05) utilizando R y, en particular, el paquete mlr, para clasificar con éxito una enfermedad de masa magra asociada con el proceso de envejecimiento, tomando como variables explicativas los datos de masa ósea y masa grasa. La topología y distribución de pesos de la red de este modelo proporciona información sobre las variables, que puede resultar de interés clínico. Dada la elevada precisión y los parámetros de rendimiento del método de clasificación, se valida la suposición de que se puede predecir una enfermedad de envejecimiento magro por las variables de tejido óseo y graso y, por consiguiente, se logran los objetivos de este proyecto.

Desde que es va diagnosticar per primera vegada a principis de la dècada del 1980, la investigació sobre la SIDA ha millorat exponencialment. Avui dia, en camps com la bioestadística, on la biologia es troba amb l'estadística avançada i les matemàtiques, les línies d'estudi han canviat i hi ha un altre enfocament per a resoldre problemes d'investigació científica. A causa de les millores que la investigació ha proporcionat a la qualitat de vida de les persones seropositives, la seva esperança de vida és aproximadament normal, però desenvolupen malalties relacionades amb l'envelliment: els seus ossos es tornen més fràgils, els seus músculs es debiliten i el seu greix pot estar anormalment distribuïda. L'objectiu d'aquest projecte és trobar mètodes de classificació supervisats per aprenentatge automàtic per detectar malalties de l'envelliment en persones infectades pel VIH. Així es calcula un model de xarxa neuronal significatiu (test de 'No information rate' p-valor <0.05) utilitzant R i, en particular, el paquet MLR, per classificar amb èxit una malaltia de massa magra associada amb el procés d'envelliment, prenent com a variables explicatives les dades de massa òssia i massa grassa. La topologia i distribució de pesos de la xarxa d'aquest model proporciona informació sobre les variables, que pot resultar d'interès clínic. Donada l'elevada precisió i els paràmetres de rendiment del mètode de classificació, es valida la suposició que es pot predir una malaltia d'envelliment magre per les variables de teixit ossi i gras i, per tant, s'aconsegueixen els objectius d'aquest projecte.