ДИФФЕРЕНЦИАЛЬНАЯ ДИАГНОСТИКА ЖЕЛЕЗОДЕФИЦИТНОЙ АНЕМИИ И АНЕМИИ ХРОНИЧЕСКИХ БОЛЕЗНЕЙ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Цель. Изучить эффективность применения инструментов машинного обучения (МО) по прогнозированию уровня ферритина сыворотки (ФС) для дифференциальной диагностики железодефицитной анемии (ЖДА) и анемии хронических болезней (АХБ) на основе демографических данных (пол и возраст), клинического анализа крови (КАК), содержания С-реактивного белка (СРБ) и известного (измеренного) ФС у пациентов с анемией.

Материал и методы. Набор данных состоял из 52158 обезличенных отчетов, полученных из лабораторной информационной системы сетевых клинико-диагностических лабораторий: КАК, СРБ и ФС. Для решения задач были использованы два алгоритма: Первая модель прогнозирования уровня ФС у конкретного пациента (регрессия) и вторая модель оценки прогностической точности уровня ФС у пациентов, изначально дифференцированных на группы ЖДА и АХБ по известному уровню ФС (классификация), которые были реализованы с помощью фреймворка lightautoml. В задаче регрессии использовались линейная регрессия и градиентный бустинг, в задаче классификации – логистическая регрессия и градиентный бустинг на решающих деревьях.

Результаты. В результате Первая модель получила адекватную предсказательную способность (R²=0,72, средняя абсолютная ошибка составила 37,6 мкг/л) на тестовой выборке. Среди всех исследуемых параметров выявлена умеренная корреляционная связь между известным уровнем ФС и СРБ у пациентов женского и мужского пола (r=0,36 и r=0,33, p <0,05 и p <0,05 соответственно), силь...

ВАРЕХА Н.В., СТУКЛОВ Н.И., ГИМАДИЕВ Р.Р., ВАРАКИНА-МИТРАЙ К.А., ЩЕГОЛЕВ О.Б., ГУРКИНА А.А.