Введение/цель. Одним из перспективных направлений персонализации медицинской помощи является использование инструментов искусственного интеллекта для оптимизации диагностики и лечения. Однако анализ литературы показывает, что эффективность различных инструментов предиктивного анализа неоднозначна. Одним из инструментов прогноза является нейросетевой анализ. Данный инструмент показал свою эффективность в задачах по классификации, в том числе постановки диагноза. Соответственно целью нашего исследования явилась оценка эффективности нейронных сетей для прогноза психического неблагополучия у населения.
Материалы и методы. Было проведено поперечное обсервационное многоцентровое исследование на базе шести медицинских организаций. На базе каждого центра была проведена оценка 100 человек (50 мужчин и 50 женщин), участвующих в первом этапе очередной диспансеризации в 2019 году. Для оценки психического здоровья использовалась русскоязычная версия госпитальной шкалы тревоги и депрессии (The Hospital Anxiety and Depression scale, HADS). Она является одним из методов ранней оценки распространённости тревожных и депрессивных расстройств среди пациентов, эффективна преимущественно для скрининга и может быть использована специалистами первичного звена любого профиля [1]. Нейросетевое моделирование проводили в пакете Statistica 12.0. Cтроили различные нейросетевые модели, варьировали как количество нейронов в скрытом слое, так и количество слоёв. Выборку делили на 2 части: 80% использовали для обучения, а 20% — для оценки качества получаемых моделей [2].
Результаты. Результаты исследования показали, что различные модели показывают различную степень качества и доля корректно спрогнозированных случаев тестовой выборки варьировалась от 60% до 80%. Качество прогноза превышало аналогичные показатели построенных предиктивных регрессионных моделей. Однако в отличие от регрессионных моделей, в которых коэффициенты показывают степень влияния каждого фактора, для нейронных сетей оценить степень вклада каждого фактора достаточно сложно, что определяет сложность интерпретации моделей.
Заключение/выводы. Полученные данные свидетельствуют о перспективности использования нейронных сетей в задачах диагностики психического здоровья. Получаемые модели могут быть использованы для раннего скрининга психического неблагополучия. Качество нейросетевых моделей зависит от объёма выборки для обучения и правильно подобранной структуры сети. Таким образом, исследования по использованию нейронных сетей для профилактики психических расстройств является перспективным направлением современной предиктивной медицины.
- Zigmond A.S., Snaith R.P. The hospital anxiety and depression scale // Acta Psychiatr Scand. 1983. Vol. 67, N 6. P 361-370.
- Хафизьянова Р.Х., И.М. Бурыкин, Г.Н. Алеева. Математическая статистика в экспериментальной и клинической фармакологии. Казань: Медицина, 2006, 374 с.
Бурыкин, И. М. Использование инструментов искусственного интеллекта для повышения эффективности профилактики психического здоровья населения / И. М. Бурыкин, Р. Х. Хафизьянова // СБОРНИК ТЕЗИСОВ. XII Общероссийской конференции с международным участием «Неделя медицинского образования-2021». 29 марта – 2 апреля 2021 года, Москва, ONLINE / Издательство ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет). – Москва, 2021. – С. 84.