Революция в гепатологии: как машинное обучение спасает жизни пациентов с циррозом печени
Фото: PHAG
Группа международных исследователей разработала и проверила алгоритм на основе машинного обучения, который может точнее оценивать риск смерти у госпитализированных пациентов с циррозом печени. Он превосходит классические статистические методы, такие как логистическая регрессия и лямбда-регуляризированная модель, применяемые в разных странах мира.
В центре внимания – пациенты, попавшие в больницу с циррозом. В глобальном исследовании было включено почти семь с половиной тысяч человек из 115 медицинских центров шести континентов. Исходная смертность при госпитализации составила приблизительно 11 %. Начиная с первой минуты на стационарных койках были собраны клинические данные, с которыми и научились работать с помощью специального алгоритма.
При сравнении AUC‑показателей результат машинного метода был выше: 0,815 против 0,774 для регрессии и 0,787 для лямбда-модели. А если посмотреть по экономическим группам стран — модели работают одинаково лучше, чем старые методы, — и в богатых, и с более низким доходом также наблюдался прогресс.
Также был проведён внешний тест: алгоритм проверили на группе из более чем 28 тысяч ветеранов США (средний возраст 67 лет, почти все мужчины), где смертность оказалась ниже — около 4 %. Тем не менее алгоритм показал даже более высокий показатель: AUC = 0,859 при использовании 48 признаков. Когда его упростили и оставили только 15 наиболее информативных переменных, оценка точности дала AUC около 0,851, что почти не уступает версии с большим количеством данных.
Из этих 15 признаков важнейшими оказались наличие острой почечной недостаточности в день поступления, энцефалопатия, высокий показатель Model for End‑Stage Liver Disease-содиум, увеличенная лейкоцитарная формула и принадлежность пациента к стране с более низким уровнем дохода — эти факторы мощно предсказывали риск. А вот высокий уровень альбумина, гемоглобина, приём диуретиков, вирусная этиология заболевания и поступление в учреждение в стране с высоким уровнем дохода работали скорее как защитные показатели.
Профессор Джасмохан Баджаж, один из авторов, подчеркнул, что эта модель позволяет точнее распределять приоритетные задачи и быстрее принимать решения о переводе в реанимацию, консультациях о пересадке печени или начале паллиативных мероприятий. Но есть нюанс: внедрение такой системы предполагает, что клиники будут регулярно собирать и вводить десятки клинико-лабораторных показателей в цифровую форму. В некоторых больницах это может стать препятствием. Также алгоритм требует периодической внешней проверки на местных популяциях. Если все это решится, возможности широкого использования таких предсказательных инструментов в гастроэнтерологии будут значительными.
Важно учесть, что речь идёт о пациентах, уже госпитализированных в условиях цирроза. То есть не о предоперационных или амбулаторных группах. Алгоритм оценивает риск смерти во время самой госпитализации, а не после выписки — обычно 15–30 дней. Такая информация помогает планировать и обсуждать варианты лечения, вовлекая пациентов и семьи в принятие решений.
