Машинное обучение бросили на борьбу с менингитом
Ученые из Сколковского института науки и технологий совместно с коллегами из Института нейрохирургии имени Бурденко определили, что повышает вероятность развития внутрибольничного менингита и внутрибольничного вентрикулита у пациентов, проходящих нейрохирургическое лечение в России. Они показали, что машинное обучение методом деревьев принятия решений хорошо подходит для выявления факторов риска этих и других заболеваний. Научная статья с результатами исследования опубликована в Journal of Critical Care.
Сбор данных проходил с 2010 по 2017 годы в Институте нейрохирургии имени Бурденко. Исследователи следили за состоянием 2 286 пациентов, перенесших операции на головном мозге. У 216 из них развились осложнения — внутрибольничный менингит (воспаление мозговых оболочек) или внутрибольничный вентрикулит (воспаление желудочков головного мозга). Таким образом, встречаемость этих заболеваний составила 9,45 процента.
Затем авторы работы использовали классический статистический анализ и машинное обучение методом деревьев принятия решений, чтобы определить факторы риска появления внутрибольничных менингита и вентрикулита — в том числе те, которые связаны между собой нелинейно. Это оказались в первую очередь трепанация черепа, дренаж желудочков головного мозга (отвод спинномозговой жидкости из них), утечка спинномозговой жидкости и инфицирование тканей, лежащих над местом оперативного вмешательства и в непосредственной близости к нему. Результаты машинного обучения оказались близки к тому, что выявил классический статистический анализ, из чего ученые сделали вывод, что такой метод определения факторов риска надежен, и его можно применять в последующих исследованиях на аналогичные темы.
Руководитель исследования, профессор Сколтеха Владимир Зельман, прокомментировал исследование так: «В нашей работе описан уникальный материал клинических наблюдений. Это совершенно беспрецедентный опыт для России. Новизна подхода как в сборе, так и в анализе данных позволяет говорить, что эта работа — важный шаг в поиске путей борьбы с внутрибольничным менингитом. Основная задача, которую мы решаем — как сделать так, чтобы бактерии лишились самой возможности распространяться в госпитале и проникать в нервную систему».
Внутрибольничный менингит и вентрикулит, как и многие другие внутрибольничные инфекции, вызывается микроорганизмами, нечувствительными к антибиотикам. Поэтому с ними особенно сложно бороться. Эти осложнения нередко приводят к инвалидности и смерти пациентов. Чтобы избежать их, важно как можно точнее определять вероятность данных заболеваний у конкретных пациентов. Поэтому знание основных факторов риска внутрибольничных менингита и вентрикулита имеет существенное значение для практической нейрохирургии.
Ученые из Сколковского института науки и технологий совместно с коллегами из Института нейрохирургии имени Бурденко определили, что повышает вероятность развития внутрибольничного менингита и внутрибольничного вентрикулита у пациентов, проходящих нейрохирургическое лечение в России. Они показали, что машинное обучение методом деревьев принятия решений хорошо подходит для выявления факторов риска этих и других заболеваний. Научная статья с результатами исследования опубликована в Journal of Critical Care.
Сбор данных проходил с 2010 по 2017 годы в Институте нейрохирургии имени Бурденко. Исследователи следили за состоянием 2 286 пациентов, перенесших операции на головном мозге. У 216 из них развились осложнения — внутрибольничный менингит (воспаление мозговых оболочек) или внутрибольничный вентрикулит (воспаление желудочков головного мозга). Таким образом, встречаемость этих заболеваний составила 9,45 процента.
Затем авторы работы использовали классический статистический анализ и машинное обучение методом деревьев принятия решений, чтобы определить факторы риска появления внутрибольничных менингита и вентрикулита — в том числе те, которые связаны между собой нелинейно. Это оказались в первую очередь трепанация черепа, дренаж желудочков головного мозга (отвод спинномозговой жидкости из них), утечка спинномозговой жидкости и инфицирование тканей, лежащих над местом оперативного вмешательства и в непосредственной близости к нему. Результаты машинного обучения оказались близки к тому, что выявил классический статистический анализ, из чего ученые сделали вывод, что такой метод определения факторов риска надежен, и его можно применять в последующих исследованиях на аналогичные темы.
Руководитель исследования, профессор Сколтеха Владимир Зельман, прокомментировал исследование так: «В нашей работе описан уникальный материал клинических наблюдений. Это совершенно беспрецедентный опыт для России. Новизна подхода как в сборе, так и в анализе данных позволяет говорить, что эта работа — важный шаг в поиске путей борьбы с внутрибольничным менингитом. Основная задача, которую мы решаем — как сделать так, чтобы бактерии лишились самой возможности распространяться в госпитале и проникать в нервную систему».
Внутрибольничный менингит и вентрикулит, как и многие другие внутрибольничные инфекции, вызывается микроорганизмами, нечувствительными к антибиотикам. Поэтому с ними особенно сложно бороться. Эти осложнения нередко приводят к инвалидности и смерти пациентов. Чтобы избежать их, важно как можно точнее определять вероятность данных заболеваний у конкретных пациентов. Поэтому знание основных факторов риска внутрибольничных менингита и вентрикулита имеет существенное значение для практической нейрохирургии.
