ОБОСНОВАНИЕ
Перитонит остается одной из актуальных проблем в силу высокой летальности при несвоевременном или недостаточном лечении, а также от возникновения послеоперационных осложнений.
ЦЕЛЬ ИССЛЕДОВАНИЯ
Определение возможности прогнозирования возникновения осложнений в послеоперационном периоде у пациентов, поступивших с диагнозом перитонит, с помощью методов искусственного интеллекта (ИИ) на примере метода градиентного бустинг.
МАТЕРИАЛ И МЕТОДЫ
Для построения модели использован набор данных 1558 пациентов, содержащий закодированные данные клинико-диагностических и инструментальных исследований, выполненных при госпитализации пациентов с диагнозом перитонит. Целевым параметром является исход болезни — наличие или отсутствие осложнения. С математической точки зрения рассматриваемая задача относится к задаче бинарной классификации. Для построения модели бинарной классификации использован метод градиентного бустинга на деревьях решения (Gradient Boosting on Decision Trees — GBDT). С помощью GBDT проанализирована важность параметров, т.е. насколько сильно параметры влияют на целевой параметр — возникло осложнение или нет. Для построения модели методом GBDT выбрана библиотека CatBoost, которая зарекомендовала себя как одна из наиболее эффективных среди аналогичных алгоритмов градиентного бустинга на деревьях решения.
Выяснено, что важности параметров, определяемые алгоритмами ИИ и статистическими методами, различаются, что можно объяснить способностью алгоритмов ИИ улавливать внутренние неявные связи между данными. При этом достаточно собрать только 3 наиболее важных параметра для получения прогноза. Построенная модель показала хорошую прогностическую способность по невозникновению осложнений.
На основе построения модели показана потенциальная возможность прогнозирования возникновения или невозникновения осложнений у пациентов после операции на основе данных, собранных при поступлении пациента в приемное отделение. При дальнейшей работе с данными и обучении предиктивных моделей видится целесообразным использовать именно методы ИИ для отбора важных параметров.
