Собственный опыт применения технологий искусственного интеллекта в диагностике ахалазии кардии

Аннотация:

Цель: оценить значение, роль и диагностические возможности искусственного интеллекта при диагностике заболеваний пищевода, продемонстрировать модель машинного обучения, обеспечивающую оптимизацию дифференциальной диагностики ахалазии кардии. Материалы и методы. В исследование были включены 75 пациентов (52% мужчин и 48% женщин, средний возраст которых составил 44,5±17,8 и 45,6±16,6 года соответственно) с предварительным диагнозом ахалазия кардии (АК). При проведении манометрии пищевода высокого разрешения были оценены давление покоя нижнего пищеводного сфинктера (НПС), суммарное давление расслабления НПС, давление покоя верхнего пищеводного сфинктера (ВПС), остаточное давление ВПС, латентный период дистального сегмента, длина разрыва сокращения, интегральная сократимость дистального сегмента, одномоментное повышение давления в пищеводе, наличие перистальтических сокращений, в соответствии с которыми пациенты были распределены на 4 группы: АКI типа, АКII типа, АКIII типа и группа обследованных с диагнозом, не соответствующим ахалазии кардии. На совокупности данных 750 глотков и, соответственно, 6750 манометрических параметров модели искусственного интеллекта DecisionTreeClassifier, RandomForestClassifier и CatBoostClassifier обучались устанавливать манометрический диагноз по основным манометрическим показателям. Критериями сравнения выступили время обучения и метрика f1-score. Технические характеристики модели (гиперпараметры) подбирались методом GridSearchCV. Модель с наилучшими результатами была интегрирована в веб-приложение. Результаты. При сравнении по лучшим показателям была выбрана модель RandomForestClassifier. Ее техническими характеристиками служили «решающие деревья» и глубина ветвления, число которых составило 14 и 5 соответственно. За 27 секунд данные гиперпараметры позволили достигнуть f1-score=0,91 при максимально возможном значении 1,0. Разработанное на основе этой модели веб-приложение при анализе данных манометрического исследования устанавливает у пациентов один из трех типов АК или исключает диагноз ахалазии кардии. Каждый манометрический тип заболевания сопровождается выводом изображения, соответствующего поставленному диагнозу. Выводы. Впервые в России в Клинике пропедевтики внутренних болезней, гастроэнтерологии и гепатологии им. В.Х. Василенко Сеченовского Университета на основании данных манометрии пищевода высокого разрешения была разработана модель машинного обучения, примененная для создания веб-приложения и способная обосновать манометрический диагноз пациента по введенным показателям. В Федеральной службе по интеллектуальной собственности (Роспатент) получено свидетельство о государственной регистрации программы для ЭВМ № 2024665795 от 05.07.2024 г. Эта программа искусственного интеллекта может быть применена в клинической практике в качестве инструмента, обеспечивающего поддержку принятия врачебного решения с целью оптимизации процесса дифференциальной диагностики ахалазии кардии и более раннего выявления заболевания, определения прогноза пациента, а также выбора метода его дальнейшего лечения.

Авторы:

Издание: Российский журнал гастроэнтерологии, гепатологии, колопроктологии
Год издания: 2024
Объем: 8с.
Дополнительная информация: 2024.-N 5.-С.32-39. Библ. 27 назв.
Просмотров: 1