Модель машинного обучения на основе ультразвукового исследования для дифференциальной диагностики IgG4-ассоциированного сиалоаденита и первичного синдрома Шегрена

Введение и цель: Разработать и валидировать интерпретируемую модель машинного обучения на основе ультразвуковой системы оценки для дифференциальной диагностики IgG4-ассоциированного сиалоаденита (IgG4-RS) и первичного синдрома Шегрена (pSS).

Методы: В исследование включили 263 пациентов с IgG4-RS или pSS, которых распределили в обучающую (n = 184) и валидационную (n = 79) выборки. Дисбаланс классов устраняли с помощью метода синтетического увеличения выборки меньшинства. Оптимальные признаки отбирали методом регрессии с наименьшим абсолютным сжатием и отбором (LASSO); на основе логистической регрессии и восьми алгоритмов машинного обучения строили различные прогностические модели. Эффективность моделей оценивали по нескольким показателям, включая площадь под ROC-кривой (AUC), а вклад отдельных признаков определяли с помощью алгоритма аддитивных объяснений Шепли (SHAP).

Результаты: С помощью регрессии LASSO были выявлены восемь ключевых признаков: пол, сухость во рту, сухость глаз, увеличение околоушных желез, увеличение поднижнечелюстных желез, показатели ультразвуковой оценки околоушных желез (PGUS), показатели ультразвуковой оценки поднижнечелюстных желез (SMGUS) и показатели васкуляризации поднижнечелюстных желез (SMGV). Среди разработанных моделей наилучшие результаты показала модель LightGBM: в валидационной выборке AUC составила 0,955, точность — 93,7%, чувствительность — 96,5%, специфичность — 86,4%; анализ кривых принятия решений подтвердил её более высокую клиническую полезность по сравнению с другими моделями. По данным анализа SHAP, пятью наиболее значимыми предикторами pSS были женский пол, низкие показатели SMGUS, высокие показатели PGUS, отсутствие увеличения поднижнечелюстных желез и низкие показатели SMGV.

Выводы: Интерпретируемая модель машинного обучения на основе ультразвуковой системы оценки представляет собой точный неинвазивный инструмент для дифференциальной диагностики IgG4-RS и pSS.