Научный журнал ФМБЦ им. А.И. Бурназяна

Клинический вестник

ISSN 2782-6430 (print)

Федеральное государственное бюджетное учреждение
«Государственный научный центр Российской Федерации –
Федеральный медицинский биофизический центр имени А.И.Бурназяна»

Журнал издается на русском языке.
Формат – А4.
Периодичность выхода журнала –  4 раза в год.

Выпуск №4 2023 год

Клинический вестник ФМБЦ им. А.И. Бурназяна. 2022. № 2

Т.Е.Тюлькова1, П. Ф. Чернавин2, Н. П. Чернавин2, Ю.П. Чугаев3, И.А.Черняев3, В.Н.Панкращенко4
ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ НА ПРИМЕРЕ ОПРЕДЕЛЕНИЯ АКТИВНОСТИ ТУБЕРКУЛЕЗНОГО ПРОЦЕССА У ЛИЦ С МИНИМАЛЬНЫМИ ТУБЕРКУЛЕЗНЫМИ ИЗМЕНЕНИЯМИ, ВЫЯВЛЕННЫМИ НА РЕНТГЕНОГРАММЕ ОРГАНОВ ГРУДНОЙ КЛЕТКИ
1Национальный медицинский исследовательский центр фтизиопульмонологии и инфекционных заболеваний Минздрава РФ, 127473, Москва
2Уральский Федеральный университет им. Первого Президента России Б.Н. Ельцина, Екатеринбург
3Уральский государственный медицинский университет, Екатеринбург
4Государственный академический университет гуманитарных наук, Москва
Контактное лицо: Панкращенко Виктор Николаевич: vpankrashchenko@gaugn.ru

Резюме
По данным Всемирной организации здравоохранения (ВОЗ) 23% населения Земли инфицированы туберкулёзной палочной – M.tuberculosis. Для каждого инфицированного сохраняется вероятность перехода от состояния латентной туберкулёзной инфекции (ЛТИ, LTBI) в активный туберкулёз. ВОЗ считает необходимыми условием победы над туберкулёзом своевременное выявление данных пациентов и лечение ЛТИ. Ранее выявление перехода ЛТИ в активный туберкулёз представляет определенную сложность из-за отсутствия клинически и рентгенологически различимых симптомов начала развития заболевания, поэтому на помощь клиницистам приходят иммунодиагностика, в том числе с применением кожной пробы с аллергеном туберкулёзным рекомбинантным и методы клинической лабораторной диагностики.

Целью нашего исследования было продемонстрировать возможность применения системы искусственного интеллекта для выявления уровня активности туберкулезной инфекции у детей с наличием малых туберкулезных изменений органов дыхания, определяемых лучевыми методами.

Материал и методы. Всего в исследование было включено 489 пациентов, состоящих на учете в противотуберкулезных учреждениях, в том числе: основная группа – обучающая выборка, состоящая из пациентов с подтверждённым активным туберкулёзом (n1 = 369); контрольная группа – тестовая выборка из пациентов, у которых возбудитель находился в неактивной форме (n2 = 120). В качестве переменных для расчетов использовались клинические, анамнестические, лабораторные параметры и данные лучевых методов обследования пациентов, полученные рутинными методами, в соответствии с действующими стандартами и клиническими рекомендациями по оказанию специализированной медицинской помощи по профилю «рофилюскойо, что не потребовало дополнительных инвазивных вмешательств, оборудования и материальных затрат. Указанные выше результаты обследования: возраст, пол, данные анамнеза, наличие вакцинации БЦЖ, показатели биохимического состава крови в динамике, рентгенологические признаки, формализованные по бинарному принципу (наличие/отсутствие), из первичной медицинской документации заносились в базу данных исследования на основе электронных таблиц MS Excel для последующей обработки.На начальном этапе для проведения расчетов был использован комплекс программ Wolfram Mathematica, в которой проводились расчеты шестью классическими методами машинного обучения (МО): Logistic Regression, Naive Bayes, Nearest Neighbors, Neural Network и Random Forest.

Результаты проведенных расчетов на основе комбинаций категориальных признаков не устроили нас по качеству прогноза и мы перешли к поиску решающего правила на основе количественных признаков. Все методы значительно лучше прогнозировали наличие заболевания, чем его отсутствие. Метод Random Forest показал наилучшие результаты, как для категориальных, так и количественных признаков, однако для принятия клинических решений интерпретация его результатов была невозможна. Убедившись в неоптимальности применения классических методов МО, было принято решение применить авторскую математическую модель комитетных конструкций с возможностью минимальной коррекции условий при существенно разной мощности разделяемых множеств и последующей геометрической интерпретацией результатов. В результате применения метода были выделены 7 наиболее информативных параметров для создания решающего правила, позволяющего выделять среди лиц с подозрением на туберкулез тех пациентов, у кого возбудитель неактивен и которым лечение не требуется. В процессе исследований мы пришли к выводу, что метод комитетов в геометрической постановке позволяет локализовать в пространстве признаков области, соответствующие больным и здоровым пациентам из обучающей выборки. Эти области однозначно описываются в виде системы неравенств и легко объяснимы медицинским работникам и позволяют перейти от геометрической интерпретации к содержательной, то есть находить причинно-следственные связи между положением лабораторных параметров в определенной области и состоянием пациента.

Ключевые слова: машинное обучение, латентная туберкулёзная инфекция, искусственный интеллект, метод комитетов

Для цитирования: Тюлькова Т.Е., Чернавин П. Ф., Чернавин Н. П., Чугаев Ю.П., Черняев И.А., Панкращенко В.Н. Практическое применение методов машинного обучения на примере определения активности туберкулезного процесса у лиц с минимальными туберкулезными изменениями, выявленными на рентгенограмме органов грудной клетки // Клинический вестник ФМБЦ им. А.И. Бурназяна 2022. № 2. С. 64–73. DOI: 10.33266/2782-6430-2022-2-64-73

СПИСОК ИСТОЧНИКОВ

  1. Disease Prevention and Control. Programmatic management of latent tuberculosis infection in the European Union. Stockholm: ECDC; 2018. 59 P.
  2. Foxa G.J., Doblerab C.C., Maraisc B.J., Denholmde J.T. Preventive therapy for latent tuberculosis infection—the promise and the challenges/International Journal of Infectious Diseases Volume 56, March 2017, Pages 68-76
  3. Global tuberculosis report 2021. Geneva: World Health Organization; 2021. Licence: CC BY-NC-SA 3.0 IGO.
  4. Guidelines for the Treatment of Latent Tuberculosis Infection: Recommendations from the National Tuberculosis Controllers Association and CDC, 2020 MMWR Recomm Rep 2020; 69(No. RR-1): 1-11.
  5. Houben RM, Dodd PJ. The global burden of latent tuberculosis infection: a re-estimation using mathematical modelling. PLoS Med 2016;13:e1002152. https://doi.org/10.1371/journal.pmed.1002152)
  6. Kritski AL, Marques MJ, Rabahi MF, et al. Transmission of tuberculosis to close contacts of patients with multidrug-resistant tuberculosis. Am J Respir Crit Care Med 1996;153:331–5. https://doi.org/10.1164/ ajrccm.153.1.8542139
  7. Recommendations and Reports 2 MMWR / February 14, 2020 / Vol. 69 / No. 1 US Department of Health and Human Services/Centers for Disease Control and Prevention and classified as having latent tuberculosis infection (LTBI).
  8. Shea KM, Kammerer JS, Winston CA, Navin TR, Horsburgh CR Jr. Estimated rate of reactivation of latent tuberculosis infection in the United States, overall and by population subgroup. Am J Epidemiol 2014;179:216–25. https://doi.org/10.1093/aje/kwt246
  9. Sutherland I. Recent studies in the epidemiology of tuberculosis, based on the risk of being infected with tubercle bacilli. Adv Tuberc Res 1976;19:1–63.
  10. Sutherland I. The ten-year incidence of clinical TB following conversion in 2,550 individuals aged 14 to 19 years. Tuberculosis Surveillance Research Unit Progress Report. The Hague, the Netherlands: The Royal Netherlands Tuberculosis Foundation; 1968.
  11. World Health Organization. Guidelines for the programmatic management of drug-resistant tuberculosis – 2011 update. Geneva: WHO, 2011.
  12. Обновленное сводное руководство по программному ведению случаев латентной туберкулезной инфекции [Latent tuberculosis infection: updated and consolidated guidelines for programmatic management] Всемирная организация здравоохранения, 2018, 84 с. ISBN 978-92-4-555023-5
  13. Lönnroth K , Castro K , Chakaya JM et al. . Tuberculosis control and elimination 2010–50: cure, care, and social development . Lancet 2010 ; 375 : 1814 – 29 .
  14. Lönnroth K , Jaramillo E , Williams BG et al. . Drivers of tuberculosis epidemics: The role of risk factors and social determinants . Soc Sci Med 2009 ; 68 : 2240 – 6 .
  15. Bhargava A, Pai M, Bhargava M, Marais BJ, Menzies D. Can social interventions prevent tuberculosis?: the Papworth experiment (1918-1943) revisited. Am J Respir Crit Care Med. 2012 Sep 1;186(5):442-9. doi: 10.1164/rccm.201201-0023OC. Epub 2012 Jul 5. PMID: 22773730.
  16. Lönnroth K, Castro KG, Chakaya JM, Chauhan LS, Floyd K, Glaziou P, Raviglione MC. Tuberculosis control and elimination 2010–50: cure, care, and social development. Lancet 2010;375:1814–1829.
  17. Lönnroth K, Jaramillo E, Williams BG, Dye C, Raviglione M. Drivers of tuberculosis epidemics: the role of risk factors and social determinants. Soc Sci Med 2009;68:2240–2246.
  18. Lienhardt C. From exposure to disease: the role of environmental factors in susceptibility to and development of tuberculosis. Epidemiol Rev 2001;23:288–301.
  19. Hargreaves JR, Boccia D, Evans CA, Adato M, Petticrew M, Porter JDH. The social determinants of tuberculosis: from evidence to action. Am J Public Health 2011;101:654–662.
  20. Rasanathan K, Sivasankara Kurup A, Jaramillo E, Lonnroth K. The social determinants of health: key to global tuberculosis control. Int J Tuberc Lung Dis 2011;15(Suppl 2):S30–S36
  21. Федеральные клинические рекомендации по диагностике и лечению латентной туберкулезной инфекции у детей. – М.: РООИ. « детей. человека», 2015. – 36 с.
  22. Каграманов А.И. Скрытая туберкулезная инфекция и ее значение в патогенезе и иммунитете: Автореф. дис. … докт. мед. наук. — М.; 1952. — 52 с.
  23. Тюлькова Т. Е., Мезенцева А. В. Латентная туберкулезная инфекция и остаточные посттуберкулезные изменения у детей. Вопросы современной педиатрии. 2017; 16 (6): 452–456. doi: 10.15690/vsp.v16i6.1817
  24. Долгих Т.И. Проблемные вопросы лабораторной медицины в условиях модернизации здравоохранения. Клинико-лабораторный консилиум. 2012;42(2):4-6.
  25. Приказ Минздрава России от 24.04.2018 № 186 «Об утверждении Концепции предиктивной, превентивной и персонализированной медицины»
  26. Приказ МЗ РФ №951 от 29.12.2014 «Об утверждении методических рекомендаций по совершенствованию…», Приказ МЗ РФ №124н от 21.03.2017 «Об утверждении порядка и сроков проведения профилактических медицинских осмотров…»
  27. Перельман М.И. с соавт., Фтизиатрия, – М: Медицина, 2004 г., – с. 519, С. 95
  28. Аксенова В.А., Овсянкина Е.С., Александрова Т.М. Методы контроля качества работы при массовой туберкулинодиагностике // Проблемы туберкулеза. – 2002, №2. – С. 3-5,
  29. Бородулина Е.А., Бородулин Б.Е. «Дифференциальная диагностика поствакцинальной и инфекционной туберкулиновой аллергии у детей с атопическими заболеваниями, Проблемы туберкулеза и болезней органов дыхания – 2006, №1. – с. 9-13;
  30. Поддубная Л.В., Шилова Е.П., Силайкина С.Т. Скрининг туберкулеза в современных условиях. Туберкулез и болезни легких. – №6. – 2013. – с. 071-072
  31. Аксенова В.А., П.В. Сенчихин. Методы лабораторной диагностики латентной туберкулезной инфекции. Клиническая лабораторная диагностика. – №9. – 2013. – с. 53-54
  32. Старшинова А.А., Павлова М.В., Довгалюк И.Ф., Якунова О.А. Диагностические возможности современных иммунологических тестов при определении активности туберкулезной инфекции у детей. Туберкулез и болезни легких. – №8. – 2012. – с. 040-043
  33. Тарабаева А.С., Абильбаева А.А., Ракишева А.С., Курмашев Р.Ж., Сарниязова К.С., Абубакиров А.Я.. Прогностические иммунологические биомаркеры диагностики и прогрессирования латентного туберкулеза (мини-обзор) / Вестник КазНМУ. – №4. – 2017. – с. 471-474
  34. Белян Ж.Е., БуйневичИ.В., Гопоняко С.В. . Методы диагностики латентной туберкулезной инфекции. Проблемы здоровья и экологии. – №3 (53). – 2017. – с. 9-14
  35. Дорошенкова А.Е., Ставицкая Н.В., Анорина Е.Е. Иммуногенетические показатели активности латентной туберкулезной инфекции у детей. International journal on immunorehabilitation. – №1. – 2009. – С. 124
  36. Патент RU 2586279, 10.06.2016
  37. Владимирский М.А., Мордовская Л.И., Шипина Л.К., Сазыкин А.Ю., Недоспасов С.А. Антиген-специфическая индукция фактора некроза опухоли в оценке активности туберкулезной инфекции / Туберкулез и болезни легких. – №11. – 2011. – с. 045-049
  38. Земскова З.С, Дорожкова И.Р. Скрыто протекающая туберкулезная инфекция. М.: Медицина. 1984: 11
  39. Приказ Министерства здравоохранения Российской Федерации от 13.03.2019 № 127н «Об утверждении порядка диспансерного наблюдения за больными туберкулезом, лицами, находящимися или находившимися в контакте с источником туберкулеза, а также лицами с подозрением на туберкулез и излеченными от туберкулеза и признании утратившими силу пунктов 16-17 Порядка оказания медицинской помощи больным туберкулезом, утвержденного приказом Министерства здравоохранения Российской Федерации от 15 ноября 2012 г. № 932н».
  40. Kamensky S. Artifificial Intelligence and Technology in Health Care : Overview and Possible Legal Implications // DePaul journal of health care law. – Chicago, 2020. – Vol. 21, N 3. – P. 1–18.
  41. Tschider C.A. The healthcare privacy-artificial intelligence impasse // Santa Clara high technology law journal. – Santa Clara, 2020. – Vol. 36, N 4. – P. 439–443.
  42. Хасанов А. Г., Шайбаков Д. Г., Жернаков С. В., Меньшиков А. М., Бадретдинова Ф. Ф., Суфияров И. Ф., and Сагадатова Ю. Р.. “Нейронные сети для прогнозирования динамики развития заболеваний” Креативная хирургия и онкология, № 3, 2020, С. 198-204.
  43. https://zdrav.expert/index.php/Статья: Лабораторная_диагностика_(рынок_России) 25.12. 2021
  44. Самородская И.В., Перхов В.И., Третьяков А.А. «Современные проблемы оценки индивидуального и общественного здоровья» // «Современные проблемы здравоохранения и медицинской статистики» 2021 г., № 3
  45. Бородулина Е. А Искусственный интеллект в выявлении туберкулеза Врач №5, 2020, https://doi.org/10.29296/25877305-2020-05-06
  46. Морозов С. П., Владзимирский А. В. Ледихова Н.В. Оценка диагностической точности системы скрининга Туберкулеза легких на основе искусственного интеллекта Туберкулез и болезни легких Т 96, №8, 2018 https://doi.org/10.21292/2075-1230-2018-96-8-42-49
  47. Тюлькова Т.Е., Владимирский М.А., Хабибуллина Н.Ф., Чернавин П.Ф., Чернавин Н.П. Способ определения активности специфического воспаления при наличии минимальных туберкулезных изменений у детей и подростков, патент RU 2 728 943 C1, 2020.08.03
  48. Мазуров В. Д. Метод комитетов в задачах классификации и оптимизации. М., Физматлит, 1990, 248с.
  49. Мазуров В. Д. Математические методы распознавания образов: учебное пособие / Урал. гос. ун-т им. А. М. Горького. — 2-е изд., доп. и перераб. — Екатеринбург : Издательство Уральского университета, 2010. — 101 с.
  50. Мазуров В.Д., Полякова Е.Ю. Экзистенциальные вопросы комитетных конструкций. Часть II. Вестник Южно-Уральского государственного университета, 2019, т.19 №1, с.114-120
  51. Чернавин Н.П. Прогнозирование волатильности курса валют методом комитетов / Вестник Челябинского государственного университета. – №109. – 2019. № 11(433). С. 82-94.
  52. Чернавин П.Ф, Гайнанов Д.Н., Панкращенко В.Н, Чернавин Н. П, Чернавин Ф. П. Машинное обучение на основе задач математического программирования. М., Наука, 2021, 128 с.
  53. Donald PR. Antituberculosis drug-induced hepatotoxicity in children. Pediatric reports 2011;3:E16]

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов. 
Финансирование. Исследование не имело спонсорской поддержки. 
Участие авторов. Cтатья подготовлена с равным участием авторов. 
Поступила: 21.05.2022. Принята к публикации: 09.06.2022. 

Прокрутить наверх