Аннотация результатов, полученных в 2023 году
В результате реализации первого года исследований были актуализированы и валидированы 2 датасета: истории болезни 999 пациентов с ишемической болезнью сердца (ИБС) и операцией коронарного шунтирования (КШ) с двумя конечными точками: внутригоспитальной летальности (ВГЛ) и фибрилляцией предсердий (ФП) (150 факторов) и 4677 историй болезни пациентов с инфарктом миокарда с подъемом сегмента ST (ИМnST) и операцией чрескожного коронарного вмешательства (ЧКВ) с конечной точкой ВГЛ (136 факторов). Был выполнен интеллектуальный анализ данных, выделены и валидированы новые предикторы ВГЛ после ЧКВ, к которым относились показатели фракции выброса левого желудочка (ФВ ЛЖ), содержание в крови нейтрофилов и эозинофилов, уровень тромбокрита, концентрация глюкозы. Разработаны прогностические модели ВГЛ после ЧКВ на основе методов многофакторной логистической регрессии (МЛР), случайного леса (СЛ) и стохастического градиентного бустинга (СГБ). В моделях помимо 5 базовых показателей шкалы GRACE в непрерывной форме (систолическое артериальное давление - САД, частота сердечных сокращения - ЧСС, креатинин, возраст и класс острой сердечной недостаточной (ОСН) по T.Killip) использовали 5 новых прогностических факторов (ФВ ЛЖ, нейтрофилы, эозинофилы, тромбокрит и глюкоза). Новая предиктивная модель демонстрировала более высокую точность прогноза ВГЛ по сравнению со шкалой GRACE (увеличение площади под ROC-кривой - AUC с 0,836 до 0,9). Оценка важности предикторов с помощью метода аддитивного объяснения Шепли (SHAP) показала, что наибольшее влияние на фатальное событие оказывают ФВ ЛЖ, креатинин, нейтрофилы, ЧСС и глюкоза. Был предложен метод изолированной дихотомизации для поиска пороговых значений, обеспечивающих формирование бинаризированных факторов риска. Предлагается использовать метод SHAP на всем диапазоне значений непрерывных показателей. К категориальным факторам, выделенным этим методом, относились следующие признаки: возраст > 70 лет, ЧСС > 89 уд./мин, САД < 95 мм рт.ст., класс ОСН по Т.Killip > 2, креатинин крови > 166 ммоль/л, ФВ ЛЖ< 45%, NEUT > 77%, эозинофилы < 0.22%, тромбокрит > 0.32%, глюкоза крови > 8.9 ммоль/л. Разработанные на основе этих факторов риска прогностические модели МЛР, СЛ и СГБ имели метрики сопоставимые с моделями на основе непрерывных предикторов. Вместе с тем их преимущество заключалось в том что они обладали элементами объяснения, позволяющие врачу более точно оценить риск ВГЛ за счет анализа пороговых значений предикторов, отклонение от которых ассоциируется с возрастающей вероятностью фатального события. Был предложен метод многоуровневой мультиметрической категоризации для поиска пороговых значений с учетом их многофакторного взаимодействия и неравномерной интенсивности влияния на конечную точку. Результаты исследования показали, что пороговые значения, полученные различными методами бинаризации часто отличались между собой. Метод SHAP позволил выявить неравномерность в интенсивности влияния факторов риска на конечную точку. Например, согласно SHAP вероятность ВГЛ последовательно увеличивается в диапазоне значений ФВ ЛЖ от 44% до 31% и резко возрастает при ее уровне < 30%. Повышение концентрации глюкозы в крови более 8.9 ммоль/л увеличивает риск ВГЛ, но вероятность фатального исхода значительно возрастает при ее уровне более 17 ммоль/л. Оценка динамики изменений SHAP-value, позволяющая объяснить взаимосвязь различных значений предикторов с конечной точкой исследования, явилась основанием для использования этого метода как базового в процедурах многоуровневой категоризации. Для выполнения многоуровневой категоризации нами предложено 2 новых подхода. Первый из них предполагал использование пороговых значений, полученных по результатам анализа SHAP-value. Второй, мультиметрический, объединял все пороговые значения, выделенные при дихотомизации показателей различными методами, в том числе многоуровневой категоризации по SHAP. Для кодирования значений многоуровневых категориальных предикторов использовали весовые коэффициенты (ВК) моделей МЛР, разработанных для каждой группы факторов риска. На основе многоуровневых предикторов, полученных различными методами, были разработаны 4 прогностические модели ВГЛ на основе СГБ. Лучшие прогностические свойства демонстрировала модель с предикторами, выделенными методом мультиметрической категоризации. Последняя была сопоставима по точности с моделью, включающей непрерывные переменные, но в отличие от нее позволяла объяснять прогноз ВГЛ по результатам оценки пороговых значений и весовых коэффициентов (ВК) ее предикторов. С учетом этих данных было установлено, что у больных ИМпST после ЧКВ наибольшая вероятность развития неблагоприятного исхода ассоциируется с показателями ФВ ЛЖ < 31% (ВК - 1.735) и Cr > 189 ммоль/л (ВК - 1.489). К менее значимым факторам риска ВГЛ относятся ЧСС > 95 уд/мин (ВК - 1.151), уровень глюкозы> 17 ммоль/л (ВК - 1.12) и содержание эозинофилов < 0.09% (ВК - 0.935). Интенсивность воздействия на конечную точку 4-го класса ОСН по T.Killip, возраста> 71 года, содержания нейтрофилов > 77% и концентрации креатинина в диапазоне 166 -189 ммоль/л характеризовалась значениями ВК на уровне 0.75-0.86. Остальные категориальные значения факторов риска оказывали на ВГЛ существенно меньшее влияние. Сравнительная оценка точности прогностических моделей с предикторами, выделенными методами дихотомизации и многоуровневой категоризации, демонстрировала преимущества последних, что подтверждалось статистически значимыми различиями метрики AUC (р-value<0,00001). Результатом работы является также оценка эффективности методов синтеза для балансировки выборок 6 методами oversampling и 3 генеративными нейронными сетями. Оценка эффективности выполнялась на основе сравнения метрик качества моделей, обученных только на реальных данных и тех, при обучении которых использовались комбинированные обучающие выборки. Как показал наш анализ для обеих задач (прогнозирование ВГЛ и ФП) модели МЛР, СЛ и СГБ не имели перимуществ ни на одной комбинированной обучающей выборке по сравнению с реальными данными. В основном речь шла о снижение прогностических качеств моделей, обученных на комбинированных (реальных и синтезированных) данных (AUC снижалась с 0.66 до 0.62 и с 0.76 до 0.72). Незначительное повышение AUC наблюдалось для моделей СЛ для таких методов синтеза как ProWSyn и VAE (с 0.74 до 0.76) и МЛР - для методов Polynom-fit-SMOTE и ProWRAS с 0.76 до 0.77. Эти результаты позволяют сделать вывод о необходимости разработки новых методов генерации табличных клинических данных. Было подготовлено 5 статей в журналах и 2 доклада на конференции, 3 статьи в журналах, индексируемых в Scopus, 1 в WoS, 4 - в RCSI. Российский кардиологический журнал (опубликовано) - Scopus / RCSI Lecture Notes in Networks and Systems (опубликовано) - Scopus Современные технологии в медицине (принято в печать) - Scopus / WoS / RCSI Врач и информационные технологии (опубликовано)- RCSI