Терапия №8 (приложение) / 2025
ПРОГНОЗИРОВАНИЕ РИСКА РАЗВИТИЯ IGE-ОПОСРЕДОВАННЫХ ЗАБОЛЕВАНИЙ ПО ДАННЫМ ДИСПАНСЕРИЗАЦИИ С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ
ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава России (Пироговский Университет)
ГБУЗ «МКНЦ им. А.С. Логинова» ДЗМ
ООО «ЛАБХАБ», г. Москва, Россия
Актуальность. Рост распространенности заболеваний, связанных с участием общего иммуноглобулина E (IgE), включая аллергические, воспалительные, онкологические заболевания, иммунодефициты и паразитарные инвазии, диктует необходимость разработки эффективных скрининговых инструментов. Несмотря на перспективность методов машинного обучения (МО) в диагностике IgE-опосредованных заболеваний, проблема идентификации надежных диагностических предикторов среди рутинных клинико- лабораторных параметров до сих пор не решена.
Цель исследования. Оценить возможность прогнозирования повышенного уровня
IgE (>100 МЕ/мл) как маркера IgE-опосредованных заболеваний на основе стандартных показателей диспансеризации у взрослых.
Материалы и методы. Проведено одномоментное ретроспективное исследование данных 12 307 взрослых пациентов (средний возраст 41,8 ± 14,6 лет), полученных из сетевых медицинских лабораторий. В качестве предикторов использовались показатели клинического анализа крови, скорость оседания эритроцитов (СОЭ), уровень общего холестерина, глюкоза плазмы натощак, пол и возраст. Для создания прогностической модели применялся ансамблевый метод (линейная регрессия и градиентный бустинг на решающих деревьях)
с использованием платформы LightAutoML. Точность модели оценивалась по показателю площади под кривой ROC-анализа (AUC ROC) на тестовой выборке.
Результаты. В группе с повышенным уровнем IgE (n=3772) медиана [Q1; Q3] концентрации составила 228 МЕ/мл [144; 42...
