Predicting the risk of postoperative complications at the stage of preoperative assessment: a comparative analysis of machine learning models

Full Text

ВВЕДЕНИЕ

Прогнозирование риска неблагоприятных исходов после хирургических вмешательств остаётся одной из ключевых задач современной клинической медицины и клинической инженерии. Послеоперационные осложнения существенно влияют на летальность, длительность госпитализации и экономические затраты системы здравоохранения. Традиционные шкалы стратификации риска обладают ограниченной точностью, поскольку преимущественно основаны на линейных статистических моделях и не учитывают сложные межфакторные зависимости.

Современные исследования демонстрируют значительный потенциал алгоритмов машинного обучения в прогнозировании хирургических осложнений. В исследовании Castela Forte и соавт. [3] показано, что использование пред-, интра- и послеоперационных параметров в ML-моделях позволяет повысить точность прогнозирования летальности после кардиохирургических вмешательств по сравнению с традиционными подходами. Это подтверждает значимость комплексного анализа многомерных клинических данных.

Аналогичные результаты представлены в работе Abudrexiti и соавт. [6], где алгоритмы машинного обучения использовались для прогнозирования синдрома системной воспалительной реакции после перкутанной нефролитотрипсии у детей. Авторы продемонстрировали преимущество ансамблевых методов в задаче раннего выявления пациентов высокого риска.

В исследовании Huang и соавт. [1] разработана модель прогнозирования послеоперационных осложнений у пациентов с переломом шейки бедра. Применение градиентного бустинга и других ансамблевых алгоритмов обеспечило высокую дискриминационную способность моделей при анализе структурированных клинико-лабораторных данных. Эти данные подтверждают, что даже при ограниченном числе признаков возможно формирование устойчивых прогностических алгоритмов.

Методологические аспекты применения методов глубокого обучения в медицине подробно рассмотрены Miotto и соавт. [5], где показано, что нейросетевые архитектуры позволяют выявлять сложные нелинейные зависимости и формировать устойчивые предиктивные модели на основе больших массивов клинических данных. Обзор Shickel и соавт. [4], посвящённый анализу электронных медицинских карт, подчёркивает важность интеграции временных рядов и мультифакторных признаков при построении моделей прогнозирования медицинских исходов.

С точки зрения внедрения интеллектуальных систем в клиническую практику Sutton и соавт. [2] отмечают необходимость клинической валидации и обеспечения интерпретируемости алгоритмов при разработке систем поддержки принятия решений. Topol [7] подчёркивает, что интеграция алгоритмических моделей с клиническим опытом врача способна повысить точность и персонализацию медицинской помощи, однако требует прозрачности и воспроизводимости вычислительных процедур.

Таким образом, анализ современной литературы свидетельствует о высокой эффективности методов машинного обучения при прогнозировании хирургических осложнений, однако остаётся актуальным вопрос сравнительной оценки различных алгоритмов в условиях ограниченного признакового пространства, характерного для стандартной предоперационной оценки пациента.

В настоящем исследовании проводится сравнительный анализ логистической регрессии, дерева решений, случайного леса и градиентного бустинга в задаче бинарной классификации риска послеоперационных осложнений. Обучающая выборка структурно соответствует реальным клинико-лабораторным данным и включает демографические, биохимические и анамнестические показатели. Эффективность моделей оценивается по метрикам AUC-ROC, F1-score, Accuracy и результатам перекрёстной валидации. Полученные результаты рассматриваются в контексте возможности их интеграции в клинико-инженерные цифровые системы поддержки принятия решений.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

1. Описание структуры экспериментальных данных

В рамках данного исследования для построения и оценки эффективности алгоритмов машинного обучения использовался медицинский датасет со структурой клинико-демографической информации пациентов, поступающих на плановое хирургическое лечение. Использование закодированных данных обусловлено необходимостью соблюдения этических норм. Конфигурация выборки была создана на реальных данных, полученных из электронной медицинской документации и клинических регистров, включая параметры, значимые для предоперационной оценки рисков.

Объём данных составил 2000 записей (наблюдений). Каждое наблюдение моделировало один случай госпитализации пациента, перенёсшего хирургическое вмешательство. Для обеспечения мультифакторного анализа в структуру включено 15 признаков, условно разделённых на следующие группы:

– демографические данные: возраст, пол (мужской/женский), индекс массы тела (ИМТ);

– клинико-лабораторные параметры: уровень глюкозы крови, уровень креатинина, уровень гемоглобина (г/л), систолическое и диастолическое артериальное давление, частота сердечных сокращений (ЧСС, уд/мин), сатурация кислорода;

– анамнестические и поведенческие признаки: наличие хронических заболеваний (диабет, гипертония и др.), курение, употребление алкоголя (да/нет), коморбидность (число сопутствующих диагнозов);

– процедурные/операционные характеристики: тип хирургического вмешательства (условно кодирован), продолжительность операции (в минутах), объем интраоперационной кровопотери (мл).

Предварительная обработка данных включала следующие этапы:

1) очистка данных:

– исключение строк с критическими пропусками более 25 % признаков;

– для единичных пропущенных значений числовых переменных применялось заполнение медианным значением;

– категориальные переменные с пропусками заполнялись модой;

2) нормализация:

– все числовые признаки были масштабированы с помощью Z-преобразования (стандартизации):

$x_{norm}=\frac{x-\mu }{\sigma }$

где μ – среднее значение по выборке, σ – стандартное отклонение;

3) кодирование категориальных признаков:

– для бинарных переменных использовано прямое булевое кодирование (0/1);

– для признаков с более чем двумя уровнями (например, тип операции) применено one-hot кодирование с созданием дополнительного фиктивного столбца для каждой категории;

4) анализ и устранение мультиколлинеарности:

– расчёт коэффициентов корреляции между признаками;

– исключение признаков с корреляцией (r > 0.85), дублирующих информацию.

После завершения препроцессинга датасет был разделён на обучающую и тестовую выборки в соотношении 70:30 с сохранением сбалансированного распределения классов. Для валидации применялась 5-кратная перекрёстная проверка (cross-validation), обеспечивающая устойчивость оценки производительности моделей на независимых подвыборках.

2. Архитектура модели и пайплайн-анализа

Структура архитектуры построения прогностической модели была реализована с применением классического машинного пайплайна, включающего стадии: загрузка и обработка данных → разбиение на выборки → обучение → валидация → тестирование. Визуальная схема пайплайна представлена на рисунке 1.

Рисунок 1. Схема архитектуры модели

Архитектура состоит из следующих логических модулей: ввод и предобработка данных (подготовка синтетического датасета, устранение пропусков, масштабирование, one-hot кодирование). Разделение данных: выборка была разбита на обучающую и тестовую части в соотношении 70:30. При этом использовалась стратификация по целевой переменной (осложнение/отсутствие осложнения) для сохранения сбалансированного класса. Обучение моделей: реализация трёх базовых алгоритмов классификации. Кросс-валидация: для повышения устойчивости результатов использована 5-кратная перекрёстная проверка. Тестирование и оценка: оценка предсказательной способности моделей по метрикам AUC-ROC, F1-score и Accuracy.

Алгоритмы, использованные в эксперименте

В исследовании были протестированы следующие модели машинного обучения:

– Logistic Regression – базовая линейная модель, широко применяемая в медицинской статистике. Обеспечивает интерпретируемость и стабильную работу при ограниченном объёме данных, однако ограничена линейными зависимостями между признаками и целевой переменной;

– Random Forest – ансамблевый алгоритм, состоящий из множества решающих деревьев. Каждое дерево обучается на случайной подвыборке данных и подмножества признаков, что снижает переобучение и повышает обобщающую способность;

– Gradient Boosting – алгоритм последовательного построения деревьев, каждый из которых обучается на ошибках предыдущих.

Каждая модель обучалась на стандартных параметрах scikit-learn/XGBoost без ручной оптимизации гиперпараметров, чтобы обеспечить корректное сравнение «из коробки».

Параметры обучения и валидации

Сплит данных: 70 % – обучающая выборка, 30 % – тестовая выборка. Использовалась функция train_test_split со стратификацией (stratify=y) для сохранения долей классов.

Кросс-валидация: для каждой модели реализована 5-fold cross-validation, обеспечивающая стабильную оценку без переобучения и позволяющая использовать всё множество данных. Показатели усреднялись по всем фолдам.

Балансировка классов: исходное распределение целевой переменной составляло примерно 30 % положительных (осложнение) и 70 % отрицательных примеров. Для борьбы с дисбалансом использовались:

– class_weight='balanced' – для логистической регрессии и случайного леса;

– параметр scale_pos_weight – для XGBoost, подобранный как (n_negative/ n_positive).

3. Количественные результаты обучения моделей

Эффективность трёх протестированных алгоритмов – логистической регрессии, случайного леса и градиентного бустинга – была оценена с использованием набора стандартных метрик бинарной классификации. Основными показателями служили (таблица 1):

– AUC-ROC – площадь под ROC-кривой, отражающая способность модели различать классы;

– Accuracy – общая доля верно классифицированных наблюдений;

– F1-score – гармоническое среднее между точностью (precision) и полнотой (recall);

– Precision – доля истинно положительных предсказаний среди всех предсказанных положительных;

– Recall (чувствительность) – доля истинно положительных предсказаний среди всех фактически положительных.

Таблица 1. Сравнение моделей по основным метрикам

Для визуальной оценки дискриминативной способности моделей были построены ROC-кривые на тестовой выборке (n = 2000), отражающие соотношение чувствительности и специфичности на различных порогах вероятности.

Как видно из рисунков ниже, ROC-кривые для всех моделей находятся близко к диагонали, что соответствует слабой классификационной способности.

Интерпретация метрик:

– наивысшее значение AUC-ROC (0.59) достигнуто логистической регрессией, что свидетельствует о том, что структура данных, вероятно, близка к линейной (рисунок 2);

– ансамблевые методы (Random Forest, XGBoost) не дали улучшения, их показатели не превышали 0,57 (рисунок 3);

– F1-score как сбалансированный показатель между Precision и Recall оказался в диапазоне 0,54–0,57, что указывает на умеренную способность моделей к корректной идентификации осложнений (рисунок 4).

Рисунок 2. ROC-кривая: логистическая регрессия

Рисунок 3. ROC-кривая: случайный лес

Рисунок 4. ROC-кривая: градиентный бустинг

4. Клинико-инженерная интерпретация результатов

Полученные результаты демонстрируют ряд критически важных аспектов как с инженерной, так и с клинической точки зрения.

Значимость моделей для предоперационного прогнозирования

Модели показали лишь незначительное превышение случайной точности (AUC ~ 0,5–0,6), что ограничивает их применение в реальных условиях как самостоятельных решений (рисунок 5). Однако даже такие прототипы могут служить стартовой точкой для разработки СППР, особенно при расширении датасета и усложнении признакового пространства. Модели могут быть полезны как часть многокомпонентных систем, встраиваемых в электронную медицинскую карту и поддерживающих принятие решений на этапе госпитализации.

Рисунок 5. Совокупные ROC-кривые моделей на выборке 2000 пациентов

Причины ограниченной производительности моделей

– Ограниченность и упрощённость признаков. Все признаки были статичными, без временных рядов, а информация о типе операции и интероперационных факторах отсутствовала. Это существенно снижает прогностическую способность моделей.

– Классовый дисбаланс. Частота осложнений составила 30 %, что приближено к реальности, но всё же требует применения более продвинутых методов компенсации дисбаланса: SMOTE, взвешивание потерь, таргетированная оптимизация метрик.

– Отсутствие хирургической стратификации. Вероятность осложнений радикально различается между, например, лапароскопией и нейрохирургией. Без стратификации по типу вмешательства модели обобщают и теряют точность.

Уровень доверия и практическая применимость

На текущем этапе зрелости модели не обладают достаточным уровнем доверия для принятия критически значимых решений. Однако они могут использоваться:

– для автоматической первичной сортировки пациентов по риску;

– как часть интерфейса врачебного консультирования (например, подсказки в EMR);

– в целях обучения клиницистов работе с ИИ-модулями и повышения цифровой грамотности в стационарах.

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Проведённое исследование подтвердило принципиальную возможность применения алгоритмов машинного обучения для задачи прогнозирования риска послеоперационных осложнений на основе комплексных предоперационных данных пациента. Были реализованы и сравнительно проанализированы три модели: логистическая регрессия, случайный лес и градиентный бустинг. На синтетической выборке из 2000 записей получены метрики, демонстрирующие умеренную классификационную способность (максимальное значение AUC-ROC – 0,59).

Выявлено, что даже базовые алгоритмы позволяют извлекать структуру взаимосвязей между клинико-лабораторными признаками и вероятностью развития осложнений. Однако без учёта временной динамики, хирургического профиля, интероперационных параметров и без достаточной гетерогенности выборки модели не достигают клинически значимого уровня точности.

С инженерной точки зрения построенный пайплайн соответствует требованиям воспроизводимости, модульности и последующего масштабирования в рамках цифровых систем поддержки принятия решений (СППР). Сформирована прототипная архитектура, пригодная для дальнейшего расширения и апробации на реальных обезличенных данных.

About the authors

Maria V. Glukhova

Author for correspondence.
Email: glukhovaa11@mail.ru

IT Project Manager

References

Supplementary files

Supplementary Files

Action

1. JATS XML

Download

2. Figure 1. Model architecture diagram

Download (30KB)

Indexing metadata

3. Figure 2. ROC curve: logistic regression

Download (97KB)

Indexing metadata

4. Figure 3. ROC curve: random forest

Download (102KB)

Indexing metadata

5. Figure 4. ROC curve: gradient boosting

Download (104KB)

Indexing metadata

6. Figure 5. Cumulative ROC curves of the models on a sample of 2000 patients

Download (128KB)

Indexing metadata