Прогнозирование траектории симптомов после торакоскопической хирургии рака легких с использованием интерпретируемой модели машинного обучения

Торакоскопическая хирургия рака легких является широко используемым подходом для лечения раннего и местно-распространенного рака легких. Несмотря на преимущества торакоскопической хирургии, такие как минимальная инвазия и быстрое восстановление, пациенты по-прежнему страдают от различных симптомов, таких как боль, одышка, нарушения сна или усталость после операции, что серьезно влияет на качество жизни. Однако существует недостаток проверенных прогностических инструментов для выявления пациентов потенциально высокого риска. Ожидается, что в это исследование примут участие около 1500 пациентов с раком легких, перенесших торакоскопическую операцию. Пациентам предлагается заполнить модуль «Описание симптомов доктора медицины Андерсона – рак легких» после торакоскопической операции. Симптомы, представляющие интерес, включают боль, одышку, нарушение сна и усталость. Симптомы от умеренной до тяжелой степени определялись по шкале ≥ 4. Моделирование смешанных латентных классов (LCMM), метод кластеризации, может идентифицировать подгруппы пациентов со схожими траекториями симптомов на основе продольных данных об исходах, сообщаемых пациентами (PRO). Модели машинного обучения были разработаны для прогнозирования траекторий послеоперационных симптомов на основе собранной информации, включая демографическую и клиническую информацию, а также оперативные данные. Модели машинного обучения в основном включают случайный лес, машины опорных векторов, нейронные сети, XGBoost и т. д. Выбирается наиболее подходящая модель и проводится ее интерпретация методом SHAP. Эффективное прогнозирование послеоперационных симптомов может помочь выявить пациентов высокого риска и принять профилактические меры.