Сервис предсказания кардио-рисков
Сервис демонстрирует возможности хостинга предсказательных моделей для оценки состояний, рисков, прогнозирования развития заболеваний и выработки рекомендаций на примере пациентов с заболеваниями кардиологического профиля (АГ, ХСН и пр.).
Сервис работает с пулом моделей, применяя их с использованием паттерна blackboard, что обеспечивает естественную интеграцию моделей, последовательное применение в рамках цепочек моделей с сохранением простого интерфейса реализации моделей (проверка применимости модели на словаре данных пациента, применение модели на словаре). Сервис реализован с использованием протокола доступа REST с формализацией структур данных в JSON и хостингом моделей на Flask (с реализацией на Python). Отдельные модели представляют собой класс, сериализованные с использованием библиотеки Pickle.
Возможности работы сервиса продемонстрированы на примере набора синтетических пациентов кардиологического профиля (созданы с использованием сервиса на базе модуля доступа к БД), для которых реализовано оценка применимости и применение моделей с выводом результатов работы в виде веб-приложения с пользовательским интерфейсом (рис. 1). Обеспечивается расширяемость списка доступных моделей, проверка целостности и полноты набора данных по заданной схеме, возможность интеграции произвольных информационных систем (в т.ч. МИС — медицинских информационных систем) через REST/JSON сервис с передачей унифицированных данных о пациенте в форме словаря.
Рисунок 1 – Интерфейс визуализации результатов применения предсказательных моделей
на наборе синтетических пациентов кардиологического профиля
Сервис построен на базе авторской библиотеки для хостинга предобученных моделей машинного обучения и ориентирован на реализацию персонифицированных предсказаний по жизненным характеристикам пациентов кардиологического профиля. В состав реализованных моделей входят: применяемые на практике шкалы оценки кардиологических рисков (SCORE, KDIGO, CHA2DS2-VASс, FINDRISK и пр.), предсказательные модели, построенные для оценки рисков и нежелательных состояний пациента. Для демонстрации работы сервиса реализовано web-приложение, демонстрирующее работу основных моделей на примере синтетических пациентов кардиологического профиля.
Библиотека хостинга предобученных моделей обеспечивает применение набора моделей с использованием паттерна blackboard к набору (словарю) характеристик пациента. Хостинг моделей реализуется при условии реализации моделями заданного интерфейса и сериализации в формате pickle. Доступ к моделям осуществляется посредством REST-сервиса, поддерживающего GET и POST запросы. POST-запрос с описанием входных параметров (характеристик пациента) в формате JSON является предпочтительным. В ходе работы сервиса осуществляется проверка целостности, полноты и корректности данных с использованием предопределенной схемы данных.
Сериализованные предобученные модели осуществляют выработку предсказаний и расширяют словарь характеристик пациента. При этом обеспечивается естественное объединение моделей в цепочки и формирование наиболее полных прогнозов для каждого пациента. Результаты работы сервиса по итогам применения предсказательных моделей могут включать в себя: оценки состояний пациента, результаты оценки характеристик и работы шкал, оценки рисков развития нежелательных состояний, рекомендации по лечению, а также дополнительную информацию и системные сообщения об ошибках.
Рисунок 2 (а, б, в) – примеры интерфейсов интеграции сервиса с web-приложениями
В целях демонстрации возможностей сервиса с использованием модуля организации доступа к базе данных электронных медицинских карт был синтезирован набор из 65 анонимизированных пациентов с заболеваниями кардиологического профиля. На базе полученной выборки было реализовано web-приложение, демонстрирующее возможности сервиса и выводящее результаты работы доступных предсказательных моделей с дополнительной цветовой индикацией критичности полученного результата. На рис. 2а проиллюстрирована работа демонстрационного web-приложения, а на рис. 2б, 2в показаны другие варианты интеграции сервиса с приложениями.
В качестве апробации интеграция сервиса была проверена с анонимизированной копией базы данных НМИЦ им. В.А. Алмазова (с использованием механизма генерации синтетических пациентов), а также с МИС «ТМ» (разработка ООО «Дистанционная медицина», интеграция с интерфейсом МИС на отладочной площадке).
Email для обратной связи: kovalchuk@itmo.ru