Машинное обучение на лабораторных данных для прогнозирования заболеваний

Цель: провести обзор отечественной и зарубежной литературы по проблеме применения методов машинного обучения в медицинских информационных системах (МИС), проанализировать точность и эффективность исследуемых технологий, их преимущества и недостатки, возможности внедрения в клиническую практику.

Материал и методы. Поиск литературы осуществляли в базах данных PubMed/MEDLINE за период с 2000 по 2020 гг. (по группам ключевых словосочетаний “machine learning”, “laboratory data”, “clinical events”, “prediction diseases”), КиберЛенинка («машинное обучение», «лабораторные данные», «клинические события», «прогнозирование заболеваний») и Papers With Code (“clinical events”, “prediction diseases”, “electronic health record”). После изучения полного текста 30 литературных источников, соответствующих критериям отбора, выбрано 19 статей, наиболее релевантных поставленной задаче.

Результаты. Выполнен анализ источников, описывающих применение технологий искусственного интеллекта для получения предиктивной аналитики с учетом доступных в МИС сведений о пациентах – демографических, анамнестических и лабораторных данных, данных инструментальных исследований, сведений об имеющихся и ранее перенесенных заболеваниях. Рассмотрены существующие cпособы прогнозирования неблагоприятных медицинских исходов с помощью методов машинного обучения, а также представлена информация о значимости используемых лабораторных данных для построения высокоточных предиктивных математических моделей.

Заключение. Внедрение алгоритмов машинного обучения в МИС представляется перспективным инструментом эффективного прогнозирования неблагоприятных медицинских событий для широкого применения в реальной клинической практике, что соответствует общемировой тенденции по развитию персонифицированной, основанной на расчете индивидуального риска медицины. Наблюдается рост активности исследований в области прогнозирования неинфекционных заболеваний с использованием технологий искусственного интеллекта.