ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ТЕРАПИИ СНМП/ДГПЖ ЭКСТРАКТОМ SERENOA REPENS

Аннотация:

Для лечения симптомов нарушения функций нижних мочевыводящих путей, связанных с ДГПЖ(СНМП/ДГПЖ), используют широкий спектр лекарственных средств, которые пациенты вынуждены принимать в течение длительного времени. В связи с этим важна разработка методов прогнозирования отдаленных результатов проводимой терапии. Цель настоящей работы: оценить возможность прогнозирования отдаленных результатов лекарственной терапии СНМП/ДГПЖ с использованием математического моделирования на примере лечения экстрактом Serenoa repens (ESR — Пермиксон). Материалы и методы. Для прогнозирования с применением методов предиктивной аналитики лечебного эффекта препарата Пермиксон в отдаленные сроки использовали материалы открытого клинического исследования «Длительная клиническая и биологическая переносимость липидостеролового экстракта Serenoa repens (Permixon) пациентами с симптоматической доброкачественной гипертрофией предстательной железы» (№ Р0048 95 GP 401), проведенного в 1995—1999гг. в трех медицинских центрах Москвы: НИИ урологии МЗ РФ, урологической клинике ММА им. И. М. Сеченова и урологическом отделении ГКБ № 60. В исследование, согласно критериям, были включены 155 пациентов в возрасте от 52 до 87 лет (средний возраст — 65,3 года), которые получали препарат в капсулах по 320 мг в день на протяжении двух лет. Целевыми показателями прогноза были определены ключевые клинические параметры: уменьшение СНМП по шкале IPSS>25%, или>3 баллов, и увеличение Qmax>25% через 12 и 24 мес. лечения. При оценке результатов использовали бинарный подход: улучшение достигнуто (1), не достигнуто (0). Результаты. С использованием методов предиктивной аналитики построены математические модели для предсказания отдаленных результатов лечения по наиболее значимым 7 исходным критериям (предикторам): IPSS, Qmax, средняя скорость потока мочи, объем мочеиспускания, время мочеиспускания, объем остаточной мочи, объем предстательной железы. Для каждого целевого поля и временного интервала были построены математические модели с использованием ансамблей из отобранных 7 алгоритмов машинного обучения, обладающих лучшими прогностическими качествами: BNet; С5.0; SVM; KNN; NNet; CHAW; C&RT. Проверка моделей на внутренних рандомизированных выборках продемонстрировала их высокие прогностические свойства: чувствительность — 82,4—99,0%; специфичность — 75,0—96,1%; AUC (показатель «площадь под кривой») — 0,864—0,965. Заключение. Продемонстрирована потенциальная возможность эффективного прогнозирования методами предиктивной аналитики и Data mining отделенных результатов лекарственной терапии СНМП/ДГПЖ по основным клиническим критериям. Необходимо продолжить обучение и проверку модели с включением в набор данных новых клинических наблюдений. Данный подход применим к созданию аналогичных моделей для прогнозирования эффекта других лекарственных средств.

Авторы:

Издание: Урология
Год издания: 2019
Объем: 9с.
Дополнительная информация: 2019.-N 3.-С.14-22. Библ. 26 назв.
Просмотров: 18