Читайте также в нашем ТГ-канале
Метаболические нарушения, вызванные сахарным диабетом, могут отрицательно влиять на МПК, увеличивая вероятность низкотравматических переломов, исходом которых может стать инвалидность или летальный исход. Прогнозирование риска переломов при сахарном диабете является более сложной задачей, поскольку метод DXA и калькулятор риска переломов FRAX недооценивают риск переломов у лиц с диабетом из-за более высокой МПК. Метаданные указывают на более высокую распространенность костных переломов при сахарном диабете (СД) 1-го и 2-го типа, чем в общей когорте обследуемых. Методы, обычно используемые для диагностики костных изменений при сахарном диабете, включают анализ гормонального и электролитного гомеостаза, костных маркеров и двухэнергетическую рентгеновскую абсорбциометрию (DXA). Однако высокая затратность данных методов и низкая оснащенность надлежащим оборудованием в регионах могут затруднить процесс ранней диагностики. По мере роста заболеваемости сахарным диабетом, и учитывая существенные социально-экономические последствия, которые влекут за собой низко травматические переломы, возникает необходимость в коррекции стандартов диагностики и сведении к минимуму риска медицинских ошибок, что позволит снизить затраты и добиться лучших результатов в лечении данной категории больных.
Ввиду эффективности применяемых в клинической диагностике систем поддержки принятия решений (СППР) на базе искусственных нейронных сетей (ИНС) последние становятся все более востребованным инструментарием для разработки индивидуальных подходов диагностики и прогнозирования ряда заболеваний и создания оптимальной тактики лечения за счет более точного и быстрого анализа сложных взаимовлияющих процессов в организме. Тем не менее ИНС никогда не применялась в прогнозировании риска переломов при сахарном диабете на основе рутинных клинико-лабораторных анализов.
Целью исследования являлась оценка диагностических возможностей метода, основанного на применении искусственной нейронной сети (ИНС) в качестве инструмента прогнозирования изменений процессов репаративного остеогенеза при сахарном диабете.
Материалы и методы. Выборка была сформирована в ходе исследования 235 пациентов с сахарным диабетом 1-го и 2-го типа и 82 лиц контрольной группы (всего 317 человек). Далее набор полученных данных был обработан программным обеспечением MATLAB для построения ИНС с обучающим (80%) и тестовым (20%) набором. Модель ИНС обучалась путем оптимизации взаимосвязи между набором входных данных (показатели: пол, возраст, индекс массы тела, длительность диабета и т.д.) с набором соответствующих выходных данных (переменных, отражающих состояние костного метаболизма: минеральную плотность кости, маркеры костного ремоделирования).
Результаты. Базируемый на ИНС алгоритм с высокой точностью способен спрогнозировать значения показателей метаболизма костной ткани обследованных пациентов, сгенерировав выходные данные с помощью глубокого обучения. Процесс машинного обучения повторялся до тех пор, пока не минимизировалась ошибка для всех переменных. Точность валидационного теста для прогнозирования изменения костного метаболизма на основе данных пациентов составила 92,86%. Результативность применения математического аппарата ИНС в клинической практике обоснована широким спектром их возможностей в прогнозировании на базе обработки больших, взаимосвязанных, мультипараметрических массивов медицинских данных, что позволяет исключить необходимость дорогостоящей диагностики и избежать выбора ошибочной методики лечения. Смоделированные в этом исследовании алгоритмы классификации и кластеризации данных с использованием ИНС показали эффективность и хорошую способность спрогнозировать наличие или отсутствие риска низкотравматических переломов при сахарном диабете.
Заключение. Применение аппарата искусственных нейронных сетей позволило сконструировать вспомогательный инструмент для стратификации пациентов с сахарным диабетом, имеющих нарушения репаративного остеогенеза, что может помочь сократить затраты на обследование, ускорить диагностику за счет быстрого процесса обработки данных и скорректировать процесс лечения данной категории пациентов.
Источник информации: Сафарова С.С. Искусственные нейронные сети в прогнозировании нарушений метаболизма костной ткани при сахарном диабете. Бюллетень сибирской медицины. 2023;22(1):81-87. https://doi.org/10.20538/1682-0363-2023-1-81-87