Группа ученых из Южной Кореи разработали новую модель машинного обучения (ML), которая помогает достаточно точно прогнозировать риск развития гепатоцеллюлярной карциномы (ГЦР) у пациентов с хроническим вирусным гепатитом B (HBV), прошедших пятилетний курс противовирусной терапии. Этот инструмент может значительно упростить работу врачей и организаций здравоохранения.
Модель, получившая название MAPL-5 (Machine learning Algorithm for Prediction of Liver cancer after 5 years of antiviral therapy), использует сочетание методов логистической регрессии и случайного леса для анализа данных. Она превосходит традиционные подходы, применяемые для прогнозирования риска ГЦР, благодаря использованию 36 клинических параметров. Разработка и тестирование модели основывались на данных многопрофильного ретроспективного исследования.
Актуальная проблема или очередные «британские ученые»
Согласно данным Всемирной организации здравоохранения, в 2022 году 254 миллиона человек жили с хронической инфекцией HBV, и около 1,1 миллиона умерли, в основном из-за цирроза или ГЦР. Хотя современные препараты, такие как энтекавир и тенофовир, снижают вероятность осложнений, долгосрочный риск развития ГЦР по-прежнему остается значительным. С увеличением продолжительности жизни пациентов эти риски только возрастают, что подчеркивает необходимость создания более точных прогностических инструментов.
Как работали над моделью?
В исследование включили данные 6470 пациентов, проходивших лечение с 2009 по 2015 годы. Из анализа исключили пациентов с диагностированными злокачественными опухолями, тяжелыми формами цирроза или перенесших трансплантацию печени в первые пять лет терапии. Основой разработки модели стали данные о 36 параметрах пациентов, таких как показатели анализов и история болезни.
Используя пять алгоритмов машинного обучения, ученые определили, что наилучшие результаты дают логистическая регрессия и случайный лес. Итоговая ансамблевая модель, которая объединяет оба метода, продемонстрировала:
- Точность: 75,4%.
- Площадь под кривой (AUC): 81,1%.
Модель MAPL-5 показала высокую точность на тестовых данных (1182 пациента) с AUC 78,4%, а на внешних данных (562 пациента) — 86,2%.
MAPL-5 открывает новые возможности для клинической практики. Она позволяет врачам более точно оценивать риски пациентов и планировать долгосрочные действия. Однако, чтобы модель стала универсальной, ее необходимо протестировать на более широкой выборке и для разных этнических групп.
Терапевт-гепатолог
Заур Оруджев
Добавить комментарий