Научная статья

Онлайн-модель прогнозирования риска аневризм коронарных артерий у детей с болезнью Кавасаки, разработанная с помощью машинного обучения: ретроспективное когортное исследование

A machine-learning-derived online prediction model for coronary artery aneurysm risk in children with kawasaki disease: a retrospective cohort study

BMC Pediatrics
10.1186/s12887-026-07469-z
Полный текст Открыть в журнале PubMed PMC
FWCI: 0.00FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Ссылки: 44 · Лицензия: CC-BY

Аннотация

Введение: Аневризмы коронарных артерий — наиболее серьёзное осложнение болезни Кавасаки, связанное с отдалённой сердечно-сосудистой заболеваемостью. Раннее выявление детей с высоким риском их развития остаётся сложной задачей. Целью исследования было разработать и провести временную валидацию модели машинного обучения для индивидуальной оценки риска аневризм коронарных артерий у детей с болезнью Кавасаки.

Методы: В ретроспективное когортное исследование включили 1930 детей с диагнозом «болезнь Кавасаки», установленным в период с января 2018 года по март 2025 года в Второй дочерней больнице Медицинского университета Вэньчжоу. Из них 1378 пациентов, которым диагноз поставили с января 2018 года по декабрь 2023 года, составили когорту разработки модели и были случайным образом распределены в обучающую и внутреннюю тестовую выборки. Ещё 552 пациента с диагнозом, установленным с января 2024 года по март 2025 года, составили независимую когорту временной валидации. Первоначально рассматривали 42 демографические, клинические и лабораторные переменные, а также комбинированные биомаркеры. После предварительной обработки данных для отбора признаков применили регрессию LASSO (Least Absolute Shrinkage and Selection Operator). Разработали и сравнили десять алгоритмов машинного обучения. Модель предназначалась для применения после оценки первоначального ответа на внутривенный иммуноглобулин (ВВИГ). Её эффективность оценивали по дискриминации, калибровке и результатам анализа кривых принятия решений. Интерпретируемость модели оценивали с помощью метода SHAP (Shapley Additive Explanations).

Результаты: В итоговую модель вошли 12 предикторов: возраст, резистентность к ВВИГ, время введения ВВИГ, изменения слизистой оболочки полости рта, концентрация альбумина, гематокрит, количество тромбоцитов, протромбиновое время, D-димер, NT-proBNP, прогностический индекс питания и отношение С-реактивного белка к альбумину. Из десяти алгоритмов наилучшие общие результаты показала модель случайного леса: площадь под ROC-кривой (AUC) составила 0,899 (95% ДИ 0,870–0,928) во внутренней тестовой выборке и 0,847 (95% ДИ 0,812–0,882) в когорте временной валидации. Анализ калибровки и кривых принятия решений показал хорошее соответствие прогнозов и клиническую полезность модели.

Выводы: Разработана и прошла временную валидацию модель машинного обучения для прогнозирования риска аневризм коронарных артерий у детей с болезнью Кавасаки. Модель доступна в виде онлайн-инструмента для ранней стратификации риска. До внедрения в рутинную практику необходима дальнейшая проспективная валидация в нескольких медицинских центрах.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры и база международных клинреков по педиатрии.