ВОЗМОЖНОСТИ ПРОГНОЗИРОВАНИЯ ВОЗНИКНОВЕНИЯ РЕЦИДИВОВ В ПОСЛЕОПЕРАЦИОННОМ ПЕРИОДЕ ПРИ РАКЕ ЩИТОВИДНОЙ ЖЕЛЕЗЫ С ПОМОЩЬЮ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Волков Кирилл Андреевич, Петрунькин Родион Павлович, Полиданов Максим Андреевич, Долгова Елена Михайловна, Кравченя Алия Римовна, Капралов Сергей Владимирович

Цель. Рассмотрение возможностей прогнозирования возникновения рецидивов в послеоперационном периоде при раке щитовидной железы с помощью искусственного интеллекта. Материалы и методы. В ходе исследования нами были проанализированы данные историй болезни 106 пациентов, которым было выполнено оперативное вмешательства по поводу рака щитовидной железы. Средний возраст составил 43,54 года. Исходя из комплекса результатов обследования, были отобраны пациенты, соответствующие следующим критериям включения: больные раком щитовидной железы без подтвержденных метастазов со стадией заболевания от T1N0M0 до Т3N0M0; отсутствие предшествующего и сопутствующего специального лечения (иммунотерапия или таргетная терапия); наличие информированного согласия на проводимое оперативное вмешательство. В качестве модели машинного обучения применялась логистическая регрессия – бинарный классификатор, использующий сигмоидную функцию активации на линейные комбинации признаков. Результаты. Большинству пациентов (60,1 %) была проведена тиреоидэктомия, а субтотальная резекция щитовидной железы – 39,9 %. Количество пациентов с возникшим послеоперационным рецидивом составляет 138 человек. Набор данных оказался несбалансированным, в связи с чем, было принято решение учитывать только факт наличия или отсутствия послеоперационных рецидивов для снижения несбалансированности набора данных, т.е. процессе обучения и тестирования система будет использовать целевой признак, разделенный только на две категории – «есть рецидив» или «нет рецидива». Было установлено, что на отобранных параметрах (кальций общий; РЭА; цитологическая классификация после ТАБ по системе Bethesda; паратгормон после операции) построенная модель логистической регрессии достаточно хорошо предсказывает возможное возникновение рецидивов после оперативного вмешательства при раке щитовидной железы. Выводы. Полученные результаты показывают, что на основе всего 4 параметров (кальций общий; РЭА; цитологическая классификация после ТАБ по системе Bethesda; паратгормон после операции) можно построить достаточно хорошую модель для прогнозирования возникновения рецидивов после оперативного вмешательства при раке щитовидной железы на основе такого метода машинного обучения, как логистическая регрессия.

Ключевые слова:рак щитовидной железы; диагностика; прогнозирование рецидивов; машинное обучение; логистическая регрессия; искусственный интеллект.