07.04.2022
Представители НОШ «Мозг, когнитивные системы, искусственный интеллект» разработали новые методы анализа выживаемости, основанные на алгоритмах рекурсивного разбиения с использованием взвешенных Log-rank критериев. Авторы успешно апробировали свой подход в работе на реальных данных пациентов с COVID-19 и онкологическими заболеваниями — это позволило подобрать оптимальное лечение. Результаты исследования были представлены на конференции ICPR 2022.
Анализ выживаемости является важным инструментом для прогнозирования времени наступления события во многих сферах. Например, в области здравоохранения такие модели используются для предсказания летального исхода или ожидаемого времени госпитализации, в страховании — наступления страховых случаев, в производстве — нештатных ситуаций.
Традиционно для анализа выживаемости чаще всего используются методы, основанные на регрессионных моделях
Для преодоления этих недостатков был предложен алгоритм деревьев решений для цензурированных данных, основанный на идее разбиения наблюдений на группы с максимально различными функциями выживаемости между группами.
«В плане оценок качества предложенный подход показывал результаты, сопоставимые с традиционными методами, но не обладая их недостатками. Также реализованы бутстреп ансамбли предложенных деревьев выживаемости, позволяющие достичь показателей точности значительно выше, чем у традиционных моделей», — рассказал доцент кафедры интеллектуальных и информационных технологий факультета ВМК МГУ Михаил Петровский.
Предложенные модели успешно применялись для анализа реальных данных пациентов с COVID-19 и с онкологическими заболеваниями.
«Эти модели позволили в том числе решать задачи для выбора оптимальной схемы лечения пациентов и могут быть использованы в качестве инструмента для систем поддержки врачебных решений», — добавил заведующий кафедры интеллектуальных и информационных технологий факультета ВМК МГУ Игорь Машечкин.
Пресс-служба МГУ
Фото: ekogradmoscow
Нет комментариев