Индивидуальный подход к диагностике профессиональной бронхолёгочной патологии с использованием алгоритмов машинного обучения

Аннотация:

Распространённость профессиональных заболеваний органов дыхания остаётся достаточно высокой. Технологии искусственного интеллекта успешно применяются для оценки риска развития бронхолёгочных заболеваний. Новизна исследования заключается в одновременном сравнении методов классической статистики и интерпретируемого машинного обучения с использованием SHAP-анализа, что обеспечивает как научную обоснованность, так и практическую применимость полученных результатов в системе профпатологии. Цель исследования — по результатам клинических, функциональных и лабораторных показателей у пациентов с профессиональной бронхолёгочной патологией построить модель машинного обучения и определить предикторы прогрессирования заболевания в постконтактном периоде. Материалы и методы. Для изучения изменений клинических, функциональных, лабораторных и рентгенологических данных с учётом длительности заболевания пациенты были разделены на 2 группы: первая (61 человек) — пациенты с профессиональной бронхолёгочной патологией (диагноз установлен при первичной госпитализации в период продолжения работы в алюминиевом производстве); вторая группа (69 человек) — лица с профессиональной бронхолёгочной патологией в постконтактном периоде (наблюдаются в клинике с установленным диагнозом профессионального заболевания 5 и более лет). Все обследованные — бывшие работники алюминиевого производства. Итоговая база данных включает 130 наблюдений с 58 признаками (бинарными и количественными) и бинарной целевой переменной. Для построения прогностической модели использовался алгоритм градиентного бустинга на решающих деревьях XGBoost (XGBClassifier). Результатом является прогностическая функция f(x), отображающая вектор входных признаков в прогнозное значение вероятности отнесения пациента к первой или второй группе. Результаты. При проведении математической статистики, с применением непараметрического критерия Манна-Уитни, после коррекции методом Бенджамини-Хохберга были выявлены признаки, статистически различающиеся между группами. К таковым были отнесены: стаж работы во вредных условиях, итоговое количество баллов по шкале CAT (COPD Assessment Test), выраженность одышки по шкалам mMRS и Борга, количество метров, пройденных в ходе проведения теста с 6-минутной ходьбой. Из спирометрических показателей значимой оказалась форсированная жизненная ёмкость лёгких и из лабораторных показателей — уровень трансферрина в сыворотке крови. Дополнительно модель выявила вклад следующих лабораторных показателей: количество тромбоцитов, лимфоцитов, палочкоядерных лейкоцитов, липопротеидов высокой плотности (АПВП), триглицеридов, индекса атерогенности, креатинина, щелочной фосфатазы, калия, церулоплазмина и функциональных показателей — ОФВ1 и остаточного объёма лёгких. Заключение. От периода установления диагноза до постконтактного периода профессиональной бронхолёгочной патологии нарастают показатели одышки по шкалам mMRS и Борга, показатель CAT 9, с одновременным ухудшением показателей 6-МШТ, что проявляется максимальными симптомами и оказывает чрезвычайно сильное влияние на качество жизни пациента и его физическую активность. Одновременно отмечается повышение количества ЛПНП при увеличенных показателях уровня тромбоцитов крови, что повышает риски атеросклероза, тромбоза и развития сердечно-сосудистой патологии. На этапе установления диагноза значим провоспалительный фон, характеризующийся увеличением количества палочкоядерных лейкоцитов и церулоплазмина крови. Модель XGBClassifier продемонстрировала высокую прогностическую точность, подтверждённую значениями ROC-AUC, чувствительности и специфичности.

Авторы:

Издание: Медицина труда и промышленная экология
Год издания: 2025
Объем: 8с.
Дополнительная информация: 2025.-N 9.-С.560-567. Библ. 20 назв.
Просмотров: 1