Терапия №8 (приложение) / 2025
РАЗРАБОТКА СИСТЕМЫ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ДИАГНОСТИКИ ДИСФУНКЦИИ ЩИТОВИДНОЙ ЖЕЛЕЗЫ НА ОСНОВЕ ЛАБОРАТОРНЫХ И ДЕМОГРАФИЧЕСКИХ ДАННЫХ ДИСПАНСЕРИЗАЦИИ
ФГАОУ ВО РУДН имени Патриса Лумумбы;
ООО «ЛАБХАБ»;
ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава России (Пироговский Университет), г.Москва, Россия
Актуальность. Раннее выявление дисфункции щитовидной железы остается актуальной задачей системы здравоохранения. Скрининг нарушений на этапе профилактических медицинских осмотров (ПМО) и диспансеризации определенных групп взрослого населения (ДОГВН) с использованием предиктивных моделей позволит оптимизировать назначение исследований тиреоидного профиля: тиреотропного гормона (ТТГ) и тироксина свободного (Т4 св.).
Цель исследования. Разработать и валидировать бинарную модель классификации прогнозирования гипо- и гипертиреоза на основе данных ПМО и ДОГВН: клинического анализа крови (КАК), скорости оседания эритроцитов (СОЭ), концентраций общего холестерина (ОХС), глюкозы плазмы натощак (ГПН), пола и возраста.
Материалы и методы. В ретроспективный поперечный анализ включены обезличенные данные 105 625 совершеннолетних пациентов сетевых медицинских лабораторий (средний возраст 44,4 ± 15,1 года): пол, возраст, показатели КАК, СОЭ, ОХС, ГПН, ТТГ и Т4 св.
В качестве целевых переменных определены гипотиреоз (ТТГ >4,94 мЕд/л и Т4 св. <9 пмоль/л; n=537) и гипертиреоз (ТТГ <0,35 мЕд/л и Т4 св. >19,05 пмоль/л; n=154). Для построения моделей бинарной классификации и оценки их прогностической способности (площадь под ROC-кривой AUC-ROC) использовались методы линейной регрессии и градиентного бустинга на решающих деревьях на платформе LightAutoML.
Результаты. Модель продемонстрировала удовлетворительную и клинически значимую прогностическую ...
