Применение искусственного интеллекта и машинного обучения для прогнозирования риска развития рака полости рта

Введение: Для повышения вероятности выживания при раке полости рта необходимы ранняя диагностика и своевременное лечение. Целью настоящего исследования была разработка модели искусственной нейронной сети, позволяющей прогнозировать риск развития рака полости рта на основании данных о факторах риска, состоянии здоровья и клинико-патологических признаках.

Методы: Для разработки прогностической модели на основе искусственного интеллекта применяли популярный алгоритм интеллектуального анализа данных — искусственную нейронную сеть. Для построения модели использовали 29 переменных, характеризующих пациентов. Набор данных случайным образом разделили на обучающую выборку из 54 случаев (75%) и тестовую выборку из 19 случаев (25%). Все записи и результаты наблюдений были проверены сертифицированным специалистом по патологии полости рта.

Результаты: Критериям включения соответствовали 73 пациента. В 22 случаях (30,13%) выявлены доброкачественные процессы, в 51 (69,86%) — злокачественные. Среди пациентов было 37 женщин и 36 мужчин; средний возраст составил 63,09 года. По результатам 10-кратной перекрёстной проверки средняя чувствительность искусственной нейронной сети при прогнозировании рака полости рта составила 85,71% (95% доверительный интервал [ДИ] 57,19–98,22), а специфичность — 60,00% (95% ДИ 14,66–94,73). Точность прогнозирования рака полости рта составила 78,95% (95% ДИ 54,43–931,95).

Выводы: Полученные результаты свидетельствуют о потенциальной пригодности данного метода машинного обучения для скрининга и диагностики рака полости рта на основании имеющихся наборов данных. Искусственная нейронная сеть продемонстрировала хорошие возможности оценки вероятности злокачественного процесса и повышения прогностической ценности положительного результата, что может помочь прогнозировать риск развития рака полости рта с учётом факторов риска, системных заболеваний и клинико-патологических данных.