|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ПсковГУ |
||
ВЫЯВЛЕНИЕ САХАРНОГО ДИАБЕТА ПРИ ДИСПАНСЕРИЗАЦИИ У ОБСЛЕДУЕМЫХ ЛИЦ С НОРМАЛЬНЫМ УРОВНЕМ ГЛЮКОЗЫ ПЛАЗМЫ НАТОЩАК С ПОМОЩЬЮ ИНСТРУМЕНТОВ МАШИННОГО ОБУЧЕНИЯтезисы доклада
- Авторы: Гимадиев Р.Р., Губина Е.В., Кокорин В.А., Долгих Т.И., Щеголев О.Б., Радченко А.В.
- Сборник: X (XXXI) Национальный диабетологический конгресс с международным участием «Сахарный диабет – неинфекционная пандемия XXI века. Макро- и микрососудистые осложнения. Вопросы междисциплинарного взаимодействия»
- Тезисы
- Год издания: 2025
- Первая страница: 200
- Последняя страница: 200
- Аннотация: ЦЕЛЬ: разработать алгоритм машинного обучения (МО) для прогнозирования клинических групп по уровню HbA1c на основании данных о диспансеризации: пола, возраста, общего анализа крови (ОАК), общего холестерина (ОХС) и глюкозы плазмы натощак (ГПН) и оценить его применимость для ранней диагностики сахарного диабета (СД). МАТЕРИАЛЫ И МЕТОДЫ: обучение и тестирование алгоритмов МО проводилось на основании результатов у обследуемых лиц с нормальным уровнем ГПН (≤6,1 ммоль/л, N=8159). Исследование уровня HbA1c выполнено с использованием метода, сертифицированного в соответствии с NGSP и стандартизованного в соответствии с референсными значениями, принятыми в DCCT. Средний возраст лиц женского пола составил 49,1±16,8 лет (N=5259), мужского — 48,2±15,9 (N=2900). С помощью логистической регрессии и градиентного бустинга на решающих деревьях (фреймворк LightAutoML) классифицировали клинические группы по уровню попадания HbA1c в целевые диапазоны: <6,0% — отсутствие (N=6916); 6,0–6,5% — предиабет (N=977); ≥6,5% — наличие диабета (N=266). РЕЗУЛЬТАТЫ: алгоритм классификации способен с высокой точностью отличать прогнозируемые уровни HbA1c в разных клинических группах: в нормальном диапазоне значений HbA1c (площадь под кривой АUС RОС-анализа составила 0,83), в пограничном (предиабет, 0,82) и в повышенном (СД, 0,82). ВЫВОДЫ: прогноз уровня HbA1c с помощью разработанного инструмента МО может использоваться в качестве точного и клинически значимого алгоритма для выявления СД у лиц с нормальным уровнем ГПН при профилактическом медицинском осмотре и использовании минимального набора лабораторных показателей. Новизна данного исследования заключается в его междисциплинарном подходе, который объединяет методы искусственного интеллекта с «омик»-технологиями для улучшения диагностики нарушений углеводного обмена в различных клинических группах.
- Добавил в систему: Гимадиев Ринат Рашитович