Модель клинико-экологического риска на основе искусственного интеллекта

Аннотация:

Концепция экспосомы подчеркивает важность учета совокупных воздействий на организм в течение жизни, включая загрязнители окружающей среды. Влияние этих факторов может усиливать риск развития хронических заболеваний. Цель. Разработка модели оценки клинико-экологического риска, которая позволяет предсказывать уровень чувствительности к химическим веществам на основе измеренных биомаркеров и оценки индекса Quick Environmental Exposure and Sensitivity Inventory (QEESI). В исследование были включены пациенты (n=71; 32 мужчины, 39 женщин) в возрасте 13—65 лет. Уровень химической чувствительности превышал 20 баллов по шкале QEESI. Данные анализировались с использованием Python и статистических библиотек. Для оценки клинико-экологического риска была создана модель машинного обучения (Random Forest Regressor). В результате значительные отклонения биомаркеров (аланинаминотрансфераза, аспаратаминотрансфераза, липопротеиды низкой плотности) от нормального распределения потребовали применения математических преобразований. Модель показала хорошие предсказательные способности, несмотря на высокие значения МАЕ и RMSE. Кубическая и квадратическая форма билирубина и шкала симптомов оказались наиболее значимыми факторами. Заключение. Разработанная модель на основе алгоритма случайного леса (Random Forest Regressor) показала высокую точность в прогнозировании клинико-экологического риска. Оптимизация гиперпараметров, предварительная обработка данных с применением математических преобразований (логарифмическое, квадратное, кубическое), использование атрибута feature-jmportances- позволили глубже понять влияние экологических факторов на здоровье.

Авторы:

Издание: Врач
Год издания: 2025
Объем: 6с.
Дополнительная информация: 2025.-N 3.-С.19-24. Библ. 22 назв.
Просмотров: 1