Согласно новому исследованию, опубликованному в журнале mHealth, машинное обучение с использованием отчетов о симптомах в реальном времени может точно определить лимфостаз, вызывающий беспокойство побочный эффект при лечении рака молочной железы, который легче вылечить при выявлении на ранней стадии.
«Использование алгоритма классификации для выявления лимфостаза на основе отчетов о симптомах в реальном времени является перспективным инструментом», – говорит Мэй Р. Фу, ведущий автор исследования.
Лимфостаз – это накопление лимфатической жидкости, которая вызывает набухание в руках или ногах и обычно вызвана удалением лимфатических узлов при лечении рака. Это может произойти сразу после операции или через несколько лет. Недавнее исследование показало, что более 41% пациентов с раком молочной железы страдали от лимфостаза на руках в течение 10 лет после операции.
Лимфостаз является одним из самых страшных побочных эффектов при лечении рака молочной железы из-за изнурительных симптомов, включая отек рук, тяжесть, жжение и снижение подвижности. Хотя лечения лимфостаза пока не существует, раннее выявление и вмешательство могут уменьшить симптомы. Клиницисты часто обнаруживают или диагностируют лимфостаз, основываясь на наблюдениях за отеками.
«В цифровую эпоху интеграция технологий в здравоохранение привела к прогрессу в выявлении и прогнозировании различных заболеваний», – говорит Яо Ван, доктор философии, профессор электротехники и вычислительной техники, соавтор исследования.
Тип искусственного интеллекта, машинное обучение, представляет интерес для исследователей из-за способности создавать алгоритмы, которые постоянно улучшают прогнозы и генерируют автоматизированные знания посредством прогнозов или решений, связанных с данными, включая отчеты о симптомах.
В исследовании использовался веб-инструмент для сбора информации от 355 женщин, которые прошли лечение рака молочной железы, включая хирургическое вмешательство. Помимо обмена демографической и клинической информацией участников спрашивали о наличии 26 различных симптомов лимфостаза.
Для анализа данных были выполнены статистические и машинные процедуры обучения. Сравнивались пять различных алгоритмов классификации машинного обучения: дерево решений C4.5, дерево решений C5.0, модель повышения градиента, искусственная нейронная сеть и машина поддержки векторов. Алгоритмы также сравнивались с обычным статистическим подходом, который определяет оптимальный порог для подсчета симптомов.
Исследователи обнаружили, что все пять методов машинного обучения превзошли стандартный статистический подход, и искусственная нейронная сеть достигла наилучших результатов для обнаружения лимфостаза. Искусственная нейронная сеть была на 93,75 процента точнее и правильно классифицировала пациентов.
Такая точность обнаружения значительно выше, чем при использовании существующих и часто используемых клинических методов. Исследователи отмечают, что проведение такой оценки в режиме реального времени помогает пациентам обнаружить лимфостаз без посещения медицинского работника. Основываясь на симптомах пациентов, система оценки может предупредить пациентов о рисках для дальнейшей оценки. «Это снизит затраты на здравоохранение и оптимизирует использование ресурсов здравоохранения посредством раннего выявления и вмешательства», – говорит Фу.
Источник: https://medicalxpress.com/news/2018-06-machine-lymphedema-breast-cancer-survivors.html
