Ученые МГУ разработали ИИ-модели подборки лечения при COVID-19 и раке
Новые методы анализа выживаемости при лечении от COVID-19 и рака для ИИ-моделей разработали исследователи научно-образовательной школы (НОШ) «Мозг, когнитивные системы, искусственный интеллект» МГУ, сообщает 7 апреля портал «Научная Россия» со ссылкой на пресс-службу МГУ.
Методы основаны на алгоритмах рекурсивного разбиения с использованием взвешенных Log-rank критериев и уже успешно опробованы в работе с реальными данными пациентов с COVID-19 и онкологическими заболеваниями. Разработанная модель помогла подобрать оптимальное лечение.
Результаты работы авторы представили на 11-й Международной конференции по приложениям и методам распознавания образов ICPR 2022.
В своем докладе исследователи отметили, что анализ выживаемости — важный инструмент для прогнозирования времени наступления события во многих приложениях, в том числе в медицине — для предсказания летального исхода или ожидаемого времени госпитализации, в страховании — наступления страховых случаев, в производстве — нештатных ситуаций.
Традиционые статистические методы, основанные на регрессионных моделях пропорциональных рисков Кокса, имеют ряд ограничений, в том числе невозможность работать с отсутствующими данными напрямую. Преодолеть эти ограничения было предложено с помощью алгоритма деревьев решений для цензурированных данных, основанного на идее разбиения наблюдений на группы с максимально различными функциями выживаемости между группами.
Доцент кафедры интеллектуальных и информационных технологий факультета вычислительной математики и кибернетики (ВМК) МГУ Михаил Петровский сообщил:
«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».
Завкафедрой интеллектуальных и информационных технологий факультета ВМК Игорь Машечкин добавил, что «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».
