Exploring Methods for Clustering Medical History of Patients with Suspected Bloodstream Infections

Abstract

Bakteriemi er en infeksjonstilstand der bakterier forekommer i blodet, og kan videre føre til blodforgiftning, eller sepsis. Sepsis er en alvorlig sykdomstilstand med høy dødelighetsrate. Tidlig påvisning og deteksjon av bakteriemi er avgjørende, men diagnostisering er utfordrende på grunn av uspesifikke symptomer og tidkrevende laboratorietester. I den siste tiden har bruk av maskinlæring, spesielt klyngingsalgoritmer, i helsevesenet vist lovende evne til å avdekke skjulte sammenhenger i store datasett. Imidlertid ser man begrensninger ved disse algoritmene når de skal håndtere den komplekse strukturen i medisinske data. Denne oppgaven, som er utført i samarbeid med forskningsgruppen Computational Sepsis Mining and Modelling (CoSem), har som mål å utforske disse begrensningene og potensialet klyngingsalgoritmer har i en klinisk kontekst, spesielt med tanke på avdekking av risikofaktorer for bakteriemi.

Forskningen følger en tilnærming av Design Science Research, og startet med en grundig litteraturgjennomgang for å identifisere relevante variabler for å beskrive en pasients medisinske historie og for å utforske klyngingsalgoritmer anvendt i en klinisk sammenheng. En omfattende analyse ble utført på et komplekst datasett bestående av 35,694 pasienter med minst én mistanke om bakteriemi. Analysen resulterte i et utvalg av 10 variabler for å beskrive hver pasients medisinske historie og tilstand.

Inspirert av utforskningen av to eksisterende algoritmer ble en ny tilnærming, Single and Set values Clustering Algorithm (SASCA), utviklet for effektivt å klynge medisinske data. Denne algoritmen avdekket både forventede og uforventede kliniske sammenhenger blant 30 genererte klynger. Funnene antyder at anvendelsen av klyngingsmetoder, spesielt SASCA, er i stand til å differensiere pasienter basert på deres medisinske historie. For å maksimere den kliniske nytteverdien av klyngingsalgoritmer i lignende sammenhenger, konkluderer studien med at disse bør brukes som innledende verktøy for videre analyse. Studiet understreker nødvendigheten av et godt definert tverrfaglig samarbeid.

Bloodstream infection (BSI) is a serious medical condition where bacteria are present in the blood, which often escalates to the severe and high-mortality condition, sepsis. Early detection and treatment of BSIs are critical, but the diagnostic process is challenging due to non-specific symptoms and time-consuming laboratory tests. Recent applications of machine learning, specifically clustering algorithms, in healthcare have shown promising capabilities in uncovering hidden patterns in large datasets. However, the application of these algorithms faces limitations in dealing with the complex structure of medical data. This research, conducted in collaboration with the Computational Sepsis Mining and Modelling (CoSem) research group, aims to explore these limitations and the potential of clustering algorithms in a clinical context, especially for identifying risk factors for BSI.

Following a Design Science Research approach, this study commenced with a thorough literature-review to identify relevant features to describe a patient's medical history and to explore the use of clustering algorithms in a clinical context. An extensive analysis was conducted on a complex dataset consisting of 35,694 patients with at least one suspicion of BSI, resulting in a selection of 10 variables to describe each patient's medical history and condition.

Inspired by the exploration of two existing algorithms, a novel approach, Single and Set values Clustering Algorithm (SASCA), was developed to effectively cluster medical data. This algorithm revealed both expected and unexpected clinical relationships among 30 generated clusters. The findings suggest that the application of clustering methods, particularly SASCA, is able to differentiate patients based on their medical history. To maximize the clinical utility of clustering algorithms in similar contexts, the study concludes that these should be used as preliminary tools for further analysis. This approach underscores the necessity of a well-defined interdisciplinary collaboration.