Интерпретируемая онлайн-модель машинного обучения для прогнозирования риска кардиометаболической мультиморбидности у пациентов с сахарным диабетом 2-го типа

Кардиометаболическая мультиморбидность — серьёзное осложнение сахарного диабета 2-го типа, связанное с повышением смертности и нагрузки на систему здравоохранения. Для персонализированного выбора тактики и раннего вмешательства важно своевременно выявлять пациентов с высоким риском. Цель исследования — разработать и валидировать интерпретируемую онлайн-систему машинного обучения для прогнозирования риска кардиометаболической мультиморбидности у пациентов с сахарным диабетом 2-го типа. В когорту разработки вошли 793 пациента с сахарным диабетом 2-го типа из больницы третичного уровня в провинции Шаньси; их разделили на обучающую выборку (80%) и выборку внутренней валидации (20%). Для внешней валидации использовали данные 360 пациентов из другого независимого центра. Для отбора признаков применили рекурсивное исключение признаков с использованием алгоритма случайного леса. Для создания модели риска кардиометаболической мультиморбидности использовали шесть алгоритмов машинного обучения. Качество модели оценивали по точности, прецизионности, полноте, F1-мере и площади под кривой (AUC). Для интерпретации модели использовали методы SHAP (объяснения на основе аддитивных значений Шепли) и LIME (локальные интерпретируемые объяснения, не зависящие от модели). После отбора признаков в модель включили девять предикторов. При внутренней валидации модель стекинга показала наибольшую AUC — 0,868; при внешней валидации её качество также оставалось высоким (AUC 0,822). Веб-система доступна по адресу https://t2dmcmmpredictionweb.streamlit.app/. Система помогала медицинским работникам рано выявлять пациентов с высоким риском и своевременно начинать вмешательство, чтобы замедлить прогрессирование заболевания.