Разработка прогностической модели угрозы неблагоприятного исхода COVID-19 у госпитализированных больных старших возрастных групп с использованием искусственного интеллекта

Аннотация. Высокие показатели смертности пациентов c COVID-19, госпитализированных в 2020–2022 гг., особенно среди больных старше 60 лет, определяют необходимость ранней диагностики заболевания COVID-19 и оценки риска развития осложнений и летального исхода с целью оказания своевременного лечения и проведения профилактических мер, обеспечивающих предотвращение неблагоприятных исходов заболевания.
Цель – разработать прогностическую модель с использованием искусственного интеллекта (машинное обучение) для прогнозирования неблагоприятного исхода у пожилых пациентов, госпитализированных с COVID-19 на начальной стадии заболевания.
Материал и методы. Проведено одноцентровое ретроспективное когортное исследование 263 больных, госпитализированных с COVID-19 с марта 2020 г. по декабрь 2022 г. Для построения модели прогнозирования использовалась множественная логистическая регрессия.
Результаты. В ходе многофакторного анализа из 200 различных показателей, полученных у больных COVID-19 в возрасте 60 лет и старше, было выделено 23 наиболее важных, ассоциированных с летальным исходом, которые в последующем были включены в модель прогнозирования неблагоприятного исхода: возраст, данные клинико-инструментального осмотра (термометрии, пульсоксиметрии и подсчета частоты дыхательных движений) с учетом полиморбидности (наличия определенных хронических заболеваний) и анамнестических данных (предшествующей антиковидной вакцинации, проводимой терапии на амбулаторном этапе). В ходе исследования разработана прогностическая модель оценки угрозы неблагоприятного исхода COVID-19. Точность предлагаемого метода на этапе разработки составила 80,4 [76,2; 84,6] %, чувствительность – 79,2 [72,6; 84,8] %, специфичность – 81,7 [76,4; 87,4] % и ROC-AUC – 88,3 [84,7; 91,5] %. На этапе тестирования аналогичные показатели были следующими: точность – 71,7 [60,4; 81,1] %, чувствительность – 70,6 [50,0; 88,2] %, специфичность – 72,2 [59,0; 83,9] %, ROC-AUC – 78,9 [67,0; 88,8] %.
Заключение. Разработана и протестирована модель прогнозирования угрозы развития неблагоприятного исхода COVID-19 у госпитализированных больных старших возрастных групп, которая демонстрирует высокую специфичность и имеет несомненное прикладное значение.

ВВЕДЕНИЕ

Впервые коронавирус был выделен в 1965 г. Tyrrell D. и Bynoe M. от человека, больного острым респираторным заболеванием. К 2020 г. было изучено 40 видов коронавирусов, которые постоянно циркулируют по всему миру и провоцируют сезонные подъемы заболеваемости острыми респираторными вирусными инфекциями, не представляя особой угрозы человечеству [1].

Но в начале XXI в. мир познакомился с новыми и опасными β-коронавирусами, способными приводить к тяжелым осложнениям, вплоть до летального исхода. Один из них – вирус SARS-CoV-2, возбудитель COVID-19. Этот вид коронавируса вызвал глобальную пандемию, продолжавшуюся более трех лет, несмотря на строгие меры профилактики и широкомасштабные усилия по вакцинации. Даже сейчас окончание пандемии не означает, что SARS- CoV-2 перестал представлять угрозу для людей, поскольку его эволюция продолжается. Накапливая генетические мутации, он постоянно изменяется, образуя новые геноварианты и подтипы вариантов, поэтому вероятность будущего подъема заболеваемости COVID-19 остается вполне реальной и актуальной проблемой здравоохранения [2].

Заболеваемость и смертность от COVID-19 продолжает расти во всем мире. Так, по данным Всемирной организации здравоохранения от 06.03.2024, число заразившихся вирусом SARS- CoV-2 в мире составило 703 926 135 человек, из которых выздоровели 674 864 047, умерли 7 003 999 [2].

Появление нового инфекционного возбудителя поставило перед специалистами здравоохранения задачи быстрой диагностики заболевания и свое­временного оказания медицинской помощи, особенно у наиболее уязвимых групп заболевших, для предотвращения неблагоприятных исходов [3]. С этой целью во многих странах разрабатывались разнообразные инструменты и прогностические модели, в том числе с использованием искусственного интеллекта (машинного обучения, ИИ), способные не только выявлять группы населения с высоким риском заболевания [4–6] и проводить раннюю диагностику COVID-19 по клиническим симптомам и лабораторно-инструментальным признакам [7, 8], но и оценивать риск развития летального исхода среди заболевших [9–11].

ИИ использует математические алгоритмы, такие как многофакторная логистическая регрессия (Multiple Logistic Regression, MLR), дерево решений (Decision Tree, DT), «случайный лес» (Random Forest, RF), «метод опорных векторов» (Support Vector Networks, SVM) и другие, для эффективного анализа данных и автоматизации задач, помогая в сложном анализе данных и принятии решений [4].

Одна из наиболее важных областей применения ИИ – построение прогностических моделей. Этот процесс включает несколько последовательных действий: выявление наиболее значимых факторов для предсказания прогноза, создание с помощью машинного обучения математической модели на основе полученных данных, апробирование полученной модели на тестовой выборке с целью оценки ее информативности и возможности использования для прогнозирования будущего течения и исхода заболевания в зависимости от поставленной задачи [12].

Цель исследования – разработать прогностическую модель с использованием ИИ для прогнозирования развития неблагоприятного исхода у госпитализированных больных с COVID-19 старших возрастных групп в ранние сроки заболевания.

МАТЕРИАЛ И МЕТОДЫ

Проведено одноцентровое ретроспективное когортное исследование на базе ФГБУ «Центральная клиническая больница с поликлиникой» Управления делами Президента РФ. Из 3936 больных с лабораторно подтвержденным COVID-19, проходивших стационарное лечение с марта 2020 г. по декабрь 2022 г., случайным образом были отобраны 263 истории болезни соответствующих пациентов в возрасте 60 лет и старше.

Критерии включения в исследование: возраст от 60 лет и старше, полный набор необходимых сведений в истории болезни (информация об амбулаторном лечении, вакцинации, сопутствующих заболеваниях, данные общего осмотра в приемном отделении).

Критерии исключения: возраст до 60 лет, больные, переведенные в тяжелом состоянии из других лечебных учреждений, выраженные когнитивные нарушения пациента и связанная с ними невозможность собрать полный анамнез заболевания.

В процессе исследования были собраны и проанализированы более 200 различных клинических и лабораторно-инструментальных показателей: демографические данные (возраст, пол), группа крови, индекс массы тела, информация о сопутствующих заболеваниях, сведения о проведенной антиковидной вакцинации и фармакологическом лечении на амбулаторном этапе, об основных симптомах заболевания, времени поступления больного в стационар с момента начала заболевания, сроках госпитализации, а также результаты выполненных лабораторно-инструментальных исследований (термоме...

Н.А. Кудрявцева, С.А. Чорбинская, А.В. Девяткин, М.А. Самушия, Е.А. Колпаков, А.И. Кузнецов, Е.В. Щепкина