Разработка прогностической модели исхода течения вирусного поражения лёгких с использованием алгоритмов машинного обучения

Актуальность: В периоды роста респираторных инфекций актуальным является стратификация помощи пациентам с вирус-ассоциированными поражениями лёгких.

Цель: Разработка прогностической модели исхода течения вирусного поражения лёгких с использованием алгоритмов машинного обучения.

Материалы и методы: Исследование включало 295 пациентов с ковид-ассоциированной пневмонией. Сформированы группы: 1-я группа – умершие (n=78), 2-я группа – выжившие (n=217). Обработка данных осуществлялась с помощью IDE R Studio (Version 4.3.1). Прогностическая модель разработана с использованием потенциальных предикторов и алгоритмов машинного обучения: многофакторная логистическая регрессия, случайный лес и стохастический градиентный бустинг. Использован метод 5-кратной перекрёстной проверки (KFold). Модели прогнозирования смертности были реализованы с помощью среды Google Colaboratory для работы с Python. Качество моделей оценивали по метрикам: площадь под ROC-кривой (АUС) и матрицы неточностей (confusion matrix), позволяющей определить точность (Precision), полноту (Recall) или чувствительность (Sensitivity), специфичность (Specificity), F1-score.

Результаты: На основании предикторов летальности построена прогностическая модель исхода с высоким уровнем статистической значимости отличия в предсказываемых группах: наличие двух и более сопутствующих заболеваний, дыхательной недостаточностью выше 2-й степени, выраженной миалгии и одышки, отношения нейтрофилов к лимфоцитам >5,1, критическим снижением уровня эозинофилов на фоне повышенного уровня СОЭ, глюкозы, АСАТ, мочевины, С-реактивного белка и снижения уровня гемоглобина (p<0,05).

Заключение: Прогностическая модель риска смерти, построенная методами машинного обучения с наилучшей производительностью у алгоритма случайного леса (AUC=0,99) с высокой точностью, позволяет на этапе поступления в стационар оценивать риск летального исхода, оптимизировать выбор тактики ведения.

1. Ершов Ф.И. Почему XXI век может стать “веком пандемий”? Вопрос для дискуссии. Вопросы вирусологии. 2024;69(1):88-90. https://doi.org/10.36233/0507-4088-227

2. Мартьянова А.Е., Ажмухамедов И.М. SEIRD-модель динамики распространения вирусных инфекций с учетом возникновения новых штаммов. Прикаспийский журнал: управление и высокие технологии. 2022;4(60):38-46. https://doi.org/10.54398/20741707_2022_4_38

3. Азимова Н.Н., Бедоидзе М.В., Холодова С.Н. и др. Статистическая оценка биогенного риска для человеческой популяции со стороны новых вирусных инфекций на примере COVID-19. Безопасность техногенных и природных систем. 2023;1:4-15. https://doi.org/10.23947/2541-9129-2023-1-4-15

4. Ipekci AM, Buitrago-Garcia D, Meili KW, et al. Outbreaks of publications about emerging infectious diseases: the case of SARS-CoV-2 and Zika virus. BMC Med Res Methodol. 2021;21(1):50. PMID: 33706715. PMCID: PMC7948668. https://doi.org/10.1186/s12874-021-01244-7

5. Wynants L, Van Calster B, Collins GS, et al. Prediction models for diagnosis and prognosis of covid-19: systematic review and critical appraisal. BMJ. 2020;369:m1328. PMID: 32265220. PMCID: PMC7222643. https://doi.org/10.1136/bmj.m1328

6. Мареев В.Ю., Беграмбекова Ю.Л., Мареев Ю.В. Как оценивать результаты лечения больных с новой коронавирусной инфекцией (COVID-19)? Шкала Оценки Клинического Состояния (ШОКС–КОВИД). Кардиология. 2020;60(11):35–41. https://doi.org/10.18087/cardio.2020.11.n1439

7. Дворецкий Л.И., Комарова И.С., Мухина Н.В., Черкасова Н.А., Дятлов Н.В. Новая коронавирусная инфекция (COVID-19) у больных пожилого и старческого возраста. Медицинский вестник Северного Кавказа. 2022;3(17):335-341. https://doi.org/10.14300/mnnc.2022.17082

8. Вдоушкина Е.С., Бородулина Е.А., Поваляева Л.В., Суханова А.В., Жилинская К.В., Сутягин А.В. Сроки обращения и тяжесть состояния пациентов с поражением легких и подозрением на новую коронавирусную инфекцию при поступлении в стационар в период начала пандемии. Врач. 2020;31(11):60-63. https://doi.org/10.29296/25877305-2020-11-12

9. Бахитов В.В., Алиев С.Р., Марцинкевич В.М., Дмитриева К.В., Масленников Р.В., Васильева Е.В. Структура смертности пациентов амбулаторного центра в период пандемии новой коронавирусной инфекции (COVID-19) Современные проблемы здравоохранения и медицинской статистики. 2022;S2:67-76. https://doi.org/10.24412/2312-2935-2022-2-67-76

10. Korakas E, Ikonomidis I, Kousathana F, et al. Obesity and COVID-19: immune and metabolic derangement as a possible link to adverse clinical outcomes. Am J Physiol Endocrinol Metab. 2020;319(1):E105-E109. PMID: 32459524. PMCID: PMC7322508. https://doi.org/10.1152/ajpendo.00198.2020

11. Giamarellos-Bourboulis EJ, Netea MG, Rovina N, et al. Complex Immune Dysregulation in COVID-19 Patients with Severe Respiratory Failure. Cell Host Microbe. 2020;27(6):992-1000.e3. PMID: 32320677. PMCID: PMC7172841. https://doi.org/10.1016/j.chom.2020.04.009

12. Йокота Ш., Куройва Е., Нишиока К. Новая коронавирусная болезнь (COVID-19) и “цитокиновый шторм”. Перспективы эффективного лечения с точки зрения патофизиологии воспалительного процесса. Инфекционные болезни: новости, мнения, обучение. 2020;9(4):13-25. https://doi.org/10.33029/2305-3496-2020-9-4-13-25

13. Zhang C, Wu Z, Li JW, Zhao H, Wang GQ. Cytokine release syndrome in severe COVID-19: interleukin-6 receptor antagonist tocilizumab may be the key to reduce mortality. Int J Antimicrob Agents. 2020;55(5):105954. PMID: 32234467. PMCID: PMC7118634. https://doi.org/10.1016/j.ijantimicag.2020.105954

14. Жумабаева Т.Т., Турсунбаева А.Т., Кадырбаева А.А. Изменение биохимических показателей крови больных при КОВИД-19 со смертельным исходом. Бюллетень науки и практики. 2023;9(4.):256-264. https://doi.org/10.33619/2414-2948/89/29

15. Биличенко Т.Н. Факторы риска, иммунологические механизмы и биологические маркеры тяжелого течения COVID-19 (обзор исследований). РМЖ. Медицинское обозрение. 2021;5(5):237-244. https://doi.org/10.32364/2587-6821-2021-5-5-237-244

16. Tian S, Hu W, Niu L, Liu H, Xu H, Xiao SY. Pulmonary Pathology of Early-Phase 2019 Novel Coronavirus (COVID-19) Pneumonia in Two Patients With Lung Cancer. J Thorac Oncol. 2020;15(5):700-704. PMID: 32114094. PMCID: PMC7128866. https://doi.org/10.1016/j.jtho.2020.02.010

17. Lagunas-Rangel FA. Neutrophil-to-lymphocyte ratio and lymphocyte-to-C-reactive protein ratio in patients with severe coronavirus disease 2019 (COVID-19): A meta-analysis. J Med Virol. 2020;92(10):1733-1734. PMID: 32242950. PMCID: PMC7228336. https://doi.org/10.1002/jmv.25819

18. Liu Y, Du X, Chen J, et al. Neutrophil-to-lymphocyte ratio as an independent risk factor for mortality in hospitalized patients with COVID-19. J Infect. 2020;81(1):e6-e12. PMID: 32283162. PMCID: PMC7195072. https://doi.org/10.1016/j.jinf.2020.04.002

19. Борукаева И.Х., Абазова З.Х., Темиржанова Ф.Х., Юсупова М.М. COVID-19: Некоторые соображения о стандартных алгоритмах лечения. Медицинская иммунология. 2021;23(4):909-914. https://doi/org/10.15789/1563-0625-COO-2265