Построение и отбор признаков для неинвазивной диагностики эндометриоза с использованием машинного обучения

Эндометриоз является распространенным, но плохо изученным заболеванием. От появления первых симптомов до постановки диагноза порой проходит более десяти лет. Лечения, которое поможет навсегда избавиться от эндометриоза, до сих пор не существует. Вычислительные модели могут помочь в понимании механизмов, с помощью которых иммунные, гормональные и сосудистые нарушения проявляются при эндометриозе и усложняют лечение. Исследование связано с построением и отбором признаков риска развития эндометриоза, формированием математической модели с применением нескольких алгоритмов машинного обучения. При этом проводится анализ важности построенных признаков, при котором сокращается подмножество признаков, не ухудшающих характеристики производительности модели (точность, быстродействие, стабильность работы). Предложен метод, позволяющий производить отбор признаков для построения прогностической модели на основе селектора, содержащего фильтрующие методы значимости признаков для обрабатываемого набора данных. Голосование за включение признака осуществляется на основе мажоритарной функции. Качество построения и отбора признаков в предметной области неинвазивной диагностики эндометриоза оценивалось математической моделью прогнозирования риска развития эндометриоза на основе логистической регрессии с 30 признаками. Эффективность модели оценивали с использованием общих метрик машинного обучения: точность, чувствительность, специфичность, F1-score и площадь под ROC-кривой. Достигнут наилучший результат со значением AUC, равным 0,950. Материал представляет ценность для специалистов в области медицинской кибернетики.

1. Benagiano G., Brosens I., Lippi D. The history of endometriosis. Gynecol Obstet Invest. 2014;78:1–9.

2. Wheeler J.M. Epidemiology of endometriosis-associated infertility. J Reprod Med. 1989;34:41–6.

3. Eskenazi B., Warner M.L. Epidemiology of endometriosis. Obstet Gynecol Clin North Am. 1997;24:235–58.

4. Nnoaham K.E., Hummelshoj L., Webster P., et al. Impact of endometriosis on quality of life and work productivity: a multicenter study across ten countries. Fertility Sterility. 2011;96(2):366–73.e8.

5. Dunselman G.A.J., Vermeulen N., Becker C., et al. ESHRE guideline: management of women with endometriosis. Human Reproduction. 2014;29:400–412.

6. Andres M.P., Borrelli G.M., Abrão, M.S. Endometriosis classification according to pain symptoms: can the ASRM classification be improved? Best Practice & Research Clinical Obstetrics & Gynaecology. 2018;51:111–118.

7. Koga K., Takamura M., Fujii T, Osuga Y. Prevention of the recurrence of symptom and lesions after conservative surgery for endometriosis. Fertility Sterility. 2015;104:793–801.

8. Johnson N.P., Hummelshoj L., Adamson G.D., et al. World endometriosis society consensus on the classification of endometriosis. Human Reproduction. 2017;32:315–24.

9. Fauconnier A. et al. Early identification of women with endometriosis by means of a simple patient-completed questionnaire screening tool: A diagnostic study. Fertility Sterility. 2021;116:1580–1589.

10. Eskenazi B. et al. Validation study of nonsurgical diagnosis of endometriosis. Fertility Sterility. 2001;76:929–935.

11. Chapron C. et al. A new validated screening method for endometriosis diagnosis based on patient questionnaires. eClinicalMedicine. 2022;44:101263.

12. Абрамович С.Г. Физиотерапия боли: учеб. пособие. Иркутск: РИО ИГМАПО; 2020. 72 с.

13. Лимановская О.В., Алферьева Т.И. Основы машинного обучения: учебное пособие. Мин-во науки и высш. образования РФ. Екатеринбург: Изд-во Урал. ун-та; 2020. 88 с.

14. Линде В.А., Татарова Н.А. Эндометриозы. Патогенез, клиническая картина, диагностика и лечение. М.: ГЭОТАР-Медиа; 2010. 192 с.