Список тезисов на Национальный хирургический конгресс-2024 3 - 4 октября 2024г.
Текст тезиса Предсказание послеоперационных осложнений методами искусственного интеллекта
Актуальность. В связи с быстрым развитием искусственного интеллекта и инновационных технологий всё более реально создание системы помощи принятия врачебных решений по прогнозам возникновения осложнений при различных заболеваниях, в том числе при перитоните. Цель исследования. Изучение возможности предсказания послеоперационных осложнений методами искусственного интеллекта. Материалы и методы. Для построения модели был использован набор данных 1106 пациентов, содержаний 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 был использован метод градиентного бустинга на решающих деревьях (Gradient Boosting on Decision Trees, далее GBDT). С помощью GBDT была проанализирована важность параметров, то есть насколько сильно параметры влияют на целевой параметр – возникло осложнение или нет. Для построения модели методом GBDT была выбрана библиотека CatBoost, которая зарекомендовала себя как одна из наиболее эффективной среди аналогичных алгоритмов градиентного бустинга на решающих деревьях. Полученные результаты. Было выяснено, что важности параметров, определяемые алгоритмами искусственного интеллекта и статистическими методами отличаются, что можно объяснить способностью алгоритмов искусственного интеллекта улавливать внутренние неявные связи между данными. При этом достаточно собрать только 13 наиболее важных параметров для получения предсказания. Построенная модель показала хорошую предсказательную способность по невозникновению осложнений.. Выводы. На основе построения модели показана потенциальная возможность предсказания 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 искусственного интеллекта для отбора важных параметров.
Отменить