Возможности машинного обучения в прогнозировании ранних функциональных исходов у пациентов с инсультом

Обоснование. Задача создания универсального прогностического инструмента для пациентов с инсультом до конца не решена.

Цель исследования ― на основе алгоритмов машинного обучения разработать модели, способные с первых суток от дебюта инсульта прогнозировать функциональный исход с оценкой по шкале инсульта Национального института здоровья США (NIHSS) и модифицированной шкале Рэнкина (mRs) при выписке из стационара на основании клинико-анамнестических предикторов.

Методы. На основе базы данных, созданной из 5225 записей о пациентах с инсультом, выписанных из неврологических отделений, разработаны модели на основе алгоритмов Artificial Neural Network (ANN) и Random Forest (RF). Использовали 21 переменную, включая демографические данные пациентов, исходные баллы по NIHSS и mRS, тип инсульта, время от начала заболевания до госпитализации, сведения о сопутствующих заболеваниях и выполненной экстренной реваскуляризации. Прогнозировали исходы с оценкой в баллах по шкалам NIHSS и mRs. Алгоритмы решали задачу классификации по множественному набору значений исхода: 26 классов для модели I (0–25 баллов по NIHSS) и 6 классов для модели II (0–5 баллов по mRs). Качество моделей оценивали с помощью метода площади под кривой операционной характеристики приёмника (ROC-AUC). Вклад каждого предиктора в результат прогнозирования оценивали с помощью метода SHapley Additive exPlanations (SHAP).

Результаты. Определены результаты прогностической эффективности ANN по AUC-ROC: 0,771 для модели I и 0,844 для модели II. RF AUC-ROC составила 0,778 для модели I и 0,845 для модели II. Для дальнейшей работы выбран алгоритм RF ввиду его лучшей интерпретируемости. Наиболее значимыми признаками, влияющими на прогнозируемые исходы, стали исходные значения NIHSS и mRs, возраст пациента, время доезда до стационара от начала инсульта, тип инсульта. При проверке эффективности алгоритма RF на внешней валидационной выборке из 783 записей показатели ROC AUC cоставили 0,786 для модели I и 0,774 для модели II. Для практического применения создан калькулятор.

Заключение. Разработанные модели на основе алгоритма RF способны в течение первых суток от начала инсульта достоверно прогнозировать ранний функциональный исход с оценкой по NIHSS и mRs на основании клинико-анамнестических предикторов. Полученный инструмент полезен для формирования персонифицированных терапевтических и реабилитационных стратегий в острый период инсульта. Универсальность использования моделей позволяет их применение в удалённых сельских медицинских учреждениях с дефицитом или отсутствием профильных специалистов и диагностического оборудования.