Выявление важных симптомов и диагностика пациентов с гипотиреозом с использованием алгоритмов машинного обучения

Гипотиреоз (ГТ) – одно из самых распространенных заболеваний в мире, при котором вырабатывается недостаточно гормонов щитовидной железы. Из-за большого разнообразия клинических симптомов определение ГТ в основном биохимическое. Девяносто девять процентов первичных случаев ГБ связаны с дефицитом гормонов тироксина (Т4) и трийодтиронина (Т3). Дефицит гормонов Т4 и Т3, которые вырабатываются щитовидной железой, приводит к увеличению выработки тиреотропного гормона (ТТГ) по механизму отрицательной обратной связи.

ГТ имеет неспецифические симптомы, такие как увеличение веса, утомляемость, недостаточная концентрация внимания, депрессия, нарушения менструального цикла и запоры, которые меняются с возрастом, полом и другими факторами. Аутоиммунный тиреоидит (болезнь Хашимото) является наиболее частым симптомом этого заболевания.

Распространенность ГТ в мире составляет 2% даже при наличии достаточного количества йода в ежедневной пище. В когортном исследовании, проведенном в Иране в 2017 году, было зарегистрировано значительное увеличение распространенности дисфункции щитовидной железы с 1,4 до 10,5, что связано с несколькими факторами, такими как географический район, старение, этническая принадлежность и количество потребления йода.

Повышение уровня холестерина в сыворотке крови, риск развития ишемической болезни сердца и сердечно-сосудистой смертности являются наиболее частыми осложнениями ГТ. Экономическое бремя ГТ довольно велико, особенно у пациентов с другими основными заболеваниями, такими как диабет и гемодиализ. Распространенным клиническим методом диагностики первичной ГТ является проверка концентрации ТТГ в сыворотке крови; У людей с уровнями ТТГ и Т4 выше контрольного возрастного диапазона диагностируется гипотиреоз. Верхняя граница референсного диапазона ТТГ у взрослых обычно увеличивается с возрастом.

В последние годы методы искусственного интеллекта и машинного обучения привлекают все большее внимание исследователей-медиков. Среди наиболее привлекательных возможностей машинного обучения в медицине — прогнозирование заболеваний и диагностика простых симптомов. Модели прогнозирования, такие как машина опорных векторов (SVM), дерево решений (DT), случайный лес (RF) и искусственная нейронная сеть (ИНС), являются одними из самых популярных методов машинного обучения.

Поскольку точная диагностика ГТ в настоящее время основана на уровне ТТГ, полученном с помощью анализа крови, это создает некоторые расходы и беспокойство для пациентов. Цель настоящего исследования — сначала диагностировать ГТ в новых случаях, у которых в анамнезе не было симптомов ГТ, с помощью трех статистических методов машинного обучения (логистическая регрессия, дерево решений и случайный лес). Диагностика осуществляется на основе простых и общепринятых визуальных симптомов ГТ, которые выявляют эндокринологи. Во-вторых, наиболее важные визуальные особенности ГТ, которые могут помочь врачам в постановке диагноза, также ранжируются с использованием методов дерева решений и случайного леса.