Гривков Лев Анатольевич, врач-онколог
690002, г. Владивосток, пр-т Острякова, 2
Lev A. Grivkov, Oncologist
Шахгельдян Карина Иосифовна, д-р техн. наук, профессор, заведующий лабораторией анализа больших данных в биомедицине и здравоохранении
690002, г. Владивосток, пр-т Острякова, 2
Гельцер Борис Израйльевич, д-р мед. наук, профессор, чл.-корр. РАН, директор департамента клинической медицины
690002, г. Владивосток, пр-т Острякова, 2
Boris Izrailevich Geltser - Doctor of Medical Sciences, Professor, Corresponding Member of the Russian Academy of Sciences, Deputy Director for Scientific Work of the School of Medicine
690920, Vladivostok, Russian Island, village Ajax, 10
Котельников Владимир Николаевич – д-р мед наук, профессор, заведующий кафедрой медицины катастроф и безопасности жизнедеятельности
690002, г. Владивосток, пр-т Острякова, 2
Vladimir N. Kotelnikov, Doctor of Medical Sciences, Professor, Head of chair Disaster Medicine and Life Safety
Апанасевич Владимир Иосифович, д-р мед наук, профессор, кафедра онкологии с курсом лучевой терапии
690002, г. Владивосток, пр-т Острякова, 2
Vladimir I. Apanasevich, Doctor of Medical Sciences, Professor, Chair of Oncology with a Course of Radiation Therapy
Цель: верификация предикторов и прогнозирование рецидивов базальноклеточного рака кожи (БКРК) после проведения фотодинамической терапии (ФДТ) на основе методов машинного обучения (МО).Материал и методы. Проведено проспективное исследование 170 пациентов (117 женщин и 53 мужчины) в возрасте с медианой 68 лет, проходивших лечение ФДТ по поводу БКРК. Анализировали потенциальные предикторы БКРК. Конечной точкой исследования был факт развития рецидива опухоли.Результаты. За 4-летний период наблюдения рецидивы заболевания имели место у 18 (10,6%) пациентов. Обработка и анализ данных с помощью методов машинного обучения (МО) позволили выделить предикторы, линейно и нелинейно связанные с развитием рецидива БКРК. К ним относились: II стадия процесса, его склеродермоподобная форма, локализация в области грудной клетки, уровни СОЭ и глюкозы в крови. Наиболее точный прогноз рецидивов БКРК был получен с помощью модели на основе многофакторной линейной регрессии (ЛР), что подтверждалось высокими значениями метрик качества (площадь под ROC-кривой – 0,893, чувствительность – 0,849, специфичность – 0,889). Прогностическая точность модели стохастического градиентного бустинга (СГБ) была менее заметной.Заключение. ФДТ относится к эффективным методам лечения БКРК, что подтверждается результатами проспективного наблюдения за пациентами в течение четырех лет. Методы МО – информативный инструмент для верификации предикторов и прогнозирования рецидивов БКРК. Прогностические модели на основе многофакторной ЛР обладают более высокой точностью по сравнению с СГБ.
Objective: Verification of predictors and forecasting basal cell skin cancer recurrence (BCSC) after conducting photodynamic therapy (PDT) based on machine learning methods (ML).Methods: The prospective study of 170 patients (117 women and 53 men) was conducted. The median age was 68 years. All patients got PDT treatment on BCSC. Potential predictors of BCSC were analyzed. Primary outcome measure was the fact of tumor development recurrence.Results: During 4-year observation period the recurrence of the disease took place in 18 cases (10.6% of patients). Processing and analyzing data with the assistance of machine learning methods (ML) allowed to highlight the predictors connected with the development of BCSC recurrence development linearly and non linearly. There are such predictors as: 2nd stage of the process, its morphea-like form, localization in the thoracic cage area, the level of ESR and glucose in the blood. The most accurate forecast of BCSC recurrence was gotten using model based on multiple linear regression (LR). It was proved by high levels of quality indexes (the area under ROCcurve – 0.893, sensitivity – 0.849, specificity – 0.889). Predictive accuracy of the stochastic gradient boosting model (SGB) was less significant.Conclusions. PDT is an effective BCSC treatment method. It is proved by the results of prospective observation of patients for the period of 4 years. ML methods are an informative tool to verify predictors and forecast BCSC recurrence. Forecasting models based on multiple LR demonstrate much higher accuracy compared with SGB.
The authors declare that there are no conflicts of interest present.