Математические модели и алгоритмы машинного обучения в диагностике осложнений сахарного диабета первого типа
УДК 519.8:616.379
Аннотация
В статье рассматривается проблема диагностики диабетической полинейропатии — одного из наиболее ранних и опасных осложнений сахарного диабета у детей и подростков. Целью исследования является разработка моделей диагностики диабетической полинейропатии у детей и подростков на основе различных медицинских данных. Модели позволят диагностировать осложнение без применения нейрофизиологических методов исследования, что даст возможность использовать их в фельдшерско-акушерских пунктах в сельской местности и применять в качестве системы поддержки принятия врачебных решений. В ходе исследования проведен обзор и анализ научных публикаций отечественных и зарубежных ученых по теме проводимого исследования, обработан большой набор текстовых медицинских данных. Создана база данных, осуществлен анализ признаков и построена модель, определяющая наличие диабетической полинейропатии у детей и подростков, страдающих сахарным диабетом 1 типа. Достигнутая точность качества классификации позволяет утверждать, что методы машинного обучения могут применяться для поиска скрытых зависимостей в развитии и течении осложнений сахарного диабета.
Скачивания
Metrics
Литература
Дедов И.И., Кураева Т.Л., Петеркова В.А., Щербачева А.Н. Сахарный диабет у детей и подростков. М., 2002.
Алимова И.Л. Диабетическая нейропатия у детей и подростков: нерешенные проблемы и новые возможности // Российский вестник перинатологии и педиатрии. 2016. № 3. DOI: 10.21508/1027-4065-2016-61-3-114-123.
Алимова И.Л., Лабузова Ю.В. Диабетическая полинейропатия у детей и подростков // Российский вестник перинатологии и педиатрии. 2009. № 6.
Turkyilmaz H., Guzel O., Edizer S., Unalp A. Evaluation of polyneuropathy and associated risk factors in children with type 1 diabetes mellitus // Turk J. MedSci., 2017. Vol. 47. DOI: 10.3906/sag-1601-183.
Bjerg L., Hulman A., Charles M., Jorgensen M.E., Witte D.R. Clustering of microvascular complications in Type 1 diabetes mellitus // J. Diabetes Complications. 2018. Vol. 32. DOI: 10.1016/j.jdiacomp.2018.01.011.
Qin L., Niu J.Y., Zhou J.Y., Zhang Q.J. et al. Prevalence and risk factors of diabetic peripheral neuropathy in Chinese communities // Zhonghua Liu Xing Bing XueZaZhi. 2019. Vol. 40. DOI: 10.3760/cma.j.issn.0254-6450.2019.12.014. (in Chinese).
Fitri A., Sjahrir H., Bachtiar A., Ichwan M., Fitri F.I., Rambe A.S. Predictive Model of Diabetic Polyneuropathy Severity Based on Vitamin D Level // Open Access Maced J. Med Sci. 2019. Vol. 7(16). DOI: 10.3889/oamjms.2019.454.
Krotova O.S., Moskalev I.V., Nazarkina O.M., Khvorova L.A. Diagnostics of Diabetic Polyneuropathy in Children and Adolescents Using Data Mining Methods // Journal of Physics: Conference Series. 2020. Vol. 1615. DOI:10.1088/1742-6596/1615/1/012015.
Рашка С. Python и машинное обучение. М., 2017.
Вьюгин В.В. Математические основы машинного обучения и прогнозирования. М., 2013.
