Сервис выработки рекомендаций для пациентов с
артериальной гипертензией
Сервис демонстрирует возможности хостинга предсказательных моделей на примере моделей классификации для оценки эффективности различных видов антигипертензивной терапии (5 классов препаратов).
Сервис работает с пулом из 5 моделей, каждая из которых реализует оценку «рекомендовано»/«не рекомендовано» для пациента с заданными параметрами. Доступ к сервису может быть реализован в форме веб-приложения (рис. 1) или в форме REST/JSON сервиса, что позволяет интегрировать сервис с различными МИС/СППР, а также реализовать открытые демонстраторы. Использование разработанных средств хостинга позволяет как расширять и модифицировать список используемых классов препаратов, так и переносить реализацию на другие заболевания путём переобучения соответствующих моделей и сериализации их в формате Pickle. Реализованные модули предсказания эффективности препаратов различных классов позволяют снизить число приёмов при подборе терапии за счёт ранней идентификации эффективных и неэффективных классов препаратов. По модельной оценке, применение такого подхода позволяет снизить число приемов пациента до назначения эффективной терапии до 2.6 раз (на примере антигипертензивной терапии).
Рисунок 1 – Интерфейс визуализации результатов оценки применимости
классов препаратов для антигипертензивной терапии
Данный сервис разработан на базе программного модуля, позволяющего предсказывать результаты лечения пациентов с основным диагнозом «артериальная гипертензия» (АГ) на основе кортежей индивидуальных характеристик пациентов. В основе разработанного программного модуля лежит ансамбль из пяти предобученных классификационных моделей в форме деревьев решений для каждого из пяти классов препаратов, идентифицирующий латентные закономерности между персональными признаками пациентов и результатом лечения выбранным медицинским специалистом классом препаратов.
Настройка параметров построенных классификационных моделей осуществлялась на ретроспективных данных, зафиксированных на амбулаторных приёмах пациентов с АГ. С целью численной оценки результатов лечения, в обучающую выборку включались пациенты, имеющие, как минимум, два последовательных приёма, временной интервал между которыми не менее 28 календарных дней. Для бинарной разметки на классы «рекомендовано» (метка класса: ‘1’) / «не рекомендовано» (метка класса: ‘0’) применялся критерий эффективности терапии, регламентированный клиническими рекомендациями. В качестве целевой метрики для оценки качества классификационных моделей использовался показатель специфичности (specificity), показывающий способность построенных моделей идентифицировать неэффективный класс препарата, в среднем, с точностью 74%.
В представленной реализации (рисунок 1) сервис позволяет продемонстрировать модельные результаты лечения каждым из пяти классов препаратов для пациента с заданным кортежем параметров. Модельные сценарии, показывающие «не рекомендованные» классы препаратов, ограничивают множество альтернативных классов и, как следствие, могут позволить медицинскому специалисту выбрать наиболее оптимальную стратегию лечения пациента.
Email для обратной связи: aasemakova@itmo.ru