О возможности использования модели машинного обучения в диагностике стадий хронической дуоденальной недостаточности

Обследовано 100 пациентов с хронической дуоденальной недостаточностью (47 (47%) женщин, 53 (53%) мужчины). Средний возраст участников составил 37,1±1,5 года. В контрольной группе исследования — 30 практически здоровых лиц, не имевших жалоб со стороны желудочно-кишечного тракта. На основе комплексных исследований, включающих видеоэзофагогастродуоденоскопию, рентгеноскопию, поэтажную манометрию, периферическую электрогастроэнтерографию, определение гормонов, оценку вегетативного гомеостаза и определение резорбционной функции двенадцатиперстной кишки, получены данные, характеризующие 3 стадии течения хронической дуоденальной недостаточности. Программное моделирование проводилось с использованием языка программирования Python, 3 моделей машинного обучения: 1) логистической регрессии, 2) метода опорных векторов и 3) алгоритма «случайного леса». Для построения модели на входе использовался набор полученных при обследовании пациентов данных размерности 9 столбцов-признаков, один из которых ключевой («Стадия»), на 100 строк-наблюдений.

В результате проведенных исследований получен набор данных, состоящий из 13 параметров по каждому из 100 пациентов. Модели машинного обучения необходимо было построить на основе данных, полученных при проведении малоинвазивных процедур, поэтому наиболее инвазивные методы были исключены. При использовании логистической регрессии, метода опорных векторов и алгоритма «случайного леса» выявлено, что данные пациентов хорошо разделимы по классам — стадиям. Суммарная объяснённая дисперсия по 2 компонентам составила 85,6%, что позволило утверждать: сохранение только двух главных компонент позволяет эффективно захватывать основную структуру распределения данных. При построении модель «случайного леса» состояла всего из 1 дерева решений. Поэтому для решения поставленных задач нагляднее было использовать алгоритм «Дерево решений» по двум параметрам: гастрин и частота электрической активности двенадцатиперстной кишки.

См.: https://GastroScan.ru/literature/authors/15452

Авторы (на фотографиях слева-направо, сверху-вниз):
1. Профессор Я.М. Вахрушев https://GastroScan.ru/literature/authors/detail.php?AUTHOR=1135
2. К.ф.-м.н. М.С. Брычкина https://GastroScan.ru/literature/authors/detail.php?AUTHOR=15239
3. К.м.н. М.С. Бусыгина https://GastroScan.ru/literature/authors/detail.php?AUTHOR=7844

#гастроэнтерология #дуоденальнаянедостаточность #машинноеобучение #стадия #гастрин #двенадцатиперстнаякишка #дуоденум #электрическаяактивностьДПК #электрогастроэнтерография