Интеграция репродуктивных и метаболических факторов для оценки риска миомы матки: двухцентровое исследование с применением машинного обучения и интерпретацией методом SHAP

Введение: Миома матки — распространённая доброкачественная опухоль женской репродуктивной системы, негативно влияющая на репродуктивное здоровье. Целью исследования была разработка модели на основе машинного обучения для индивидуального прогнозирования риска миомы матки у женщин репродуктивного возраста.

Методы: Проанализированы шесть клинических предикторов, отражающих репродуктивные и метаболические факторы. Отбор признаков проводили с помощью LASSO-регрессии; сравнивали несколько алгоритмов машинного обучения с перекрёстной проверкой. Оптимальную модель оценивали по способности различать группы, калибровке и клинической пользе; для повышения интерпретируемости применяли анализ аддитивных объяснений Шепли (SHAP).

Результаты: В исследование включили 1274 женщины, у 762 (59,8%) из которых была выявлена миома матки. Были отобраны шесть предикторов. Среди протестированных классификаторов наилучшие результаты при валидации продемонстрировала модель «случайный лес»: площадь под ROC-кривой составила 0,734; также были получены сбалансированная точность и показатель F1. Интерпретация методом SHAP показала, что наибольшее влияние на риск оказывали возраст, индекс массы тела, возраст наступления менархе, число родов, уровень триглицеридов и концентрация глюкозы натощак.

Выводы: Разработана интерпретируемая модель «случайный лес» для прогнозирования риска миомы матки, позволяющая проводить индивидуальную стратификацию риска и своевременно планировать профилактические вмешательства в клинической практике.