Ключевые результаты
Исследование продемонстрировало возможность применения методов машинного обучения для прогнозирования нарушений походки у пациентов с ишемическим инсультом. Random Forest модель показала наилучшую производительность с AUC 0.868 в обучающей выборке и 0.681 в тестовой.
Пять ключевых факторов были идентифицированы как наиболее значимые предикторы:
- Neutrophil-to-lymphocyte ratio (NLR) — приоритетный фактор
- Возраст пациента
- Пол
- Поражение затылочной доли
- Поражение лобной доли
Методология
Ретроспективное когортное исследование включило 1,650 пациентов с диагнозом ишемического инсульта. Участники были рандомизированы в обучающую (70%) и валидационную (30%) выборки.
Методы отбора признаков
- LASSO регрессия (Least Absolute Shrinkage and Selection Operator)
- Алгоритм Boruta
- Логистическая регрессия
Машинное обучение
Было разработано шесть различных ML-моделей. Для интерпретации результатов наилучшей модели применялся анализ SHAP (SHapley Additive exPlanations), который позволил ранжировать факторы по степени влияния на прогноз.
Клиническое значение
Полученные результаты открывают перспективы для раннего скрининга пациентов с высоким риском развития нарушений походки после ишемического инсульта. Особое значение имеет выявление NLR как ведущего предиктора, что подтверждает роль нейровоспаления в патогенезе постинсультных двигательных нарушений.
Практическое применение модели может способствовать:
- Стратификации риска на раннем этапе лечения
- Персонализации реабилитационных программ
- Оптимизации распределения ресурсов в нейрореабилитации
Выводы
Модели машинного обучения демонстрируют предварительную эффективность как инструменты скрининга для ранней стратификации риска нарушений походки у пациентов с ишемическим инсультом. Neutrophil-to-lymphocyte ratio выступает в качестве ключевого биомаркера, что подчеркивает важность оценки воспалительного ответа в прогнозировании функциональных исходов.
Необходимы дальнейшие проспективные многоцентровые исследования для валидации полученных результатов и оценки возможности клинической имплементации разработанных моделей.