Возможности искусственного интеллекта в оценке эффективности немедикаментозного лечения ожирения у детей
https://doi.org/10.33667/2078-5631-2022-18-20-24
Аннотация
Введение. Немедикаментозная терапия ожирения не всегда может гарантировать положительный результат, что заставляет врачей и ученых со всего мира искать новые методы анализа эффективности лечения, в том числе с применением искусственного интеллекта. Его активное внедрение может значительно повысить качество диагностики и прогнозирования заболевания.
Цель исследования. Оценить возможности использования системы искусственного интеллекта в прогнозировании эффективности немедикаментозной терапии ожирения у детей.
Материалы и методы. Осуществлялось построение искусственной нейронной сети (ИНС) с помощью пакета программ Statistica Neural Networks на основании данных пациентов, находившихся на стационарном лечении в Воронежской детской клинической больницеВГМУ имени Н.Н. Бурденко.
Результаты. В исследуемую группу входило 60 детей (30 мальчиков и 30 девочек), возраст от 8 до 16 лет. Были отобраны параметры, оказывающие, на наш взгляд, наиболее значительное влияние на эффект немедикаментозного лечения ожирения: наличие и частота стационарного лечения; осложнения ожирения; соблюдение режима физической активности и диетических рекомендаций; динамика массы тела в период немедикаментозного лечения. После обучения выбрана нейронная сеть MLP 5-5-1 с коэффициентами детерминации 0,925231; 0,981940; 0,936712 для обучающей, тестовой и контрольной выборок. Ошибка обучения – 0,105782, алгоритм обучения – BFGS. Функция активации скрытых нейронов – гиперболическая, а выходных – тождественная.
Заключение. Результаты исследования показывают, что искусственная нейронная сеть может применяться для оценки эффективности немедикаментозного лечения с минимальной погрешностью.
Ключевые слова
Об авторах
Т. В. ЧубаровРоссия
Чубаров Тимофей Валерьевич, к.м.н., гл. врач Воронежской детской клинической больницы, директор эндокринологического центра.
г. Воронеж
О. А. Жданова
Россия
Жданова Ольга Александровна, д.м.н., доцент кафедры клинической фармакологии
г. Воронеж
О. Г. Шаршова
Россия
Шаршова Ольга Геннадьевна, зав. отделением эндокринологии Воронежской детской клинической больницы
г. Воронеж
О. Г. Галда
Россия
Галда Ольга Геннадьевна, студентка VI курса
г. Воронеж
М. В. Патрицкая
Россия
Патрицкая Мария Валерьевна, врач ультразвуковой диагностики Воронежской детской клинической больницы
г. Воронеж
К. С. Нифталиев
Россия
Нифталиев Кенан Сабухиевич, студент V курса
г. Воронеж
Список литературы
1. WHO European Regional Obesity Report 2022. Copenhagen: WHO Regional Offce for Europe; 2022. Licence: CC BY-NC-SA 3.0 IGO
2. Güngör N.K. Overweight and obesity in children and adolescents. Journal of clinical research in pediatric endocrinoljgy. 2014; 6(3): 129–43. https://doi.org/10.4274/Jcrpe.1471.
3. Чубаров Т. В., Петеркова В. А., Батищева Г.А., Жданова О.А., Шаршова О. Г., Артющенко А. И., Бессонова А. В. Характеристика уровня артериального давления у детей с различной массой тела. Ожирение и метаболизм. 2022; 19(1): 27–34. https://doi.org/10.14341/omet12721
4. Sinaiko A.R., Steinberger J., Moran A., Hong C.P., Prineas R.J., Jacobs D.R. Jr. Influence of insulin resistance and body mass index at age 13 on systolic blood pressure, triglycerides, and high-density lipoprotein cholesterol at age 19. Hypertension. 2006; 48(4): 730–6. https://doi.org/10.1161/01.HYP.0000237863.24000.50
5. Asma Deeb, Salima Attia, Samia Mahmoud, Ghada Elhaj, Abubaker Elfatih. Dyslipidemia and Fatty Liver Disease in Overweight and Obese Children. Journal of Obesity. 2018; 8: 1–6. https://doi.org/10.1155/2018/8626818
6. Korsten-Reck U., Kromeyer-Hauschild K., Korsten K., Baumstark M.W., Dickhuth H., Berg A. Frequency of secondary dyslipidemia in obese children. Vascular Health and Risk Management. 2008; 4(5): 1089–1094. https://doi.org/10.2147/VHRM.S2928
7. Vos M.B., Abrams S.H., Barlow S.E. NASPGHAN Clinical Practice Guideline for the Diagnosis and Treatment of Nonalcoholic Fatty Liver Disease in Children: Recommendations from the Expert Committee on NAFLD (ECON) and the North American Society of Pediatric Gastroenterology, Hepatology and Nutrition (NASPGHAN). Journal of Pediatric Gastroenterology and Nutrition. 2017; 64(2): 319–334. https://doi.org/10.1097/MPG.0000000000001482
8. Звягин А.А., Фатеева Н.Ю., Чубаров Т.В., и др., Стеатогепатоз и стеатогепатит у детей с ожирением: терапевтические подходы. РМЖ. 2022; 3: 9–12
9. Петеркова В.А., Безлепкина О.Б., Болотова Н.В., Богова Е.А., Васюкова О.В., Гирш Я.В., Кияев А.В., Кострова И.Б., Малиевский О.А., Михайлова Е.Г., Окороков П. Л., Петряйкина Е. Е., Таранушенко Т. Е., Храмова Е. Б. Клинические рекомендации «Ожирение у детей». Проблемы Эндокринологии. 2021; 67(5): 67–83. https://doi.org/10.14341/probl12802
10. Алимова И. Л. Перспективы применения в педиатрической практике Федеральных клинических рекомендаций «Диагностика и лечение ожирения у детей и подростков». Российский вестник перинатологии и педиатрии. 2015; 60(1): 66–70.
11. Larentzakis A., Lygeros N. Artificial intelligence (AI) in medicine as a strategic valuable tool. Pan African Medical Journal. 2021; 38: 184. https://doi.org/10.11604/pamj.2021.38.184.28197.
12. González G., Ash S.Y., Vegas-Sánchez-Ferrero G., Onieva Onieva J., Rahaghi F.N., Ross J.C., Díaz A., San José Estépar R., Washko G.R.. Disease Staging and Prognosis in Smokers Using Deep Learning in Chest Computed Tomography. American Journal of Respiratory Critical Care Medicine. 2018; 197(2): 193–203. https://doi.org/10.1164/rccm.201705–0860OC
13. Weng S.F., Reps J., Kai J., Garibaldi J.M., Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One. 2017; 12(4): e0174944. https://doi.org/10.1371/journal.pone.0174944.
14. Ells L.J., Rees K., Brown T. Interventions for treating children and adolescents with overweight and obesity: an overview of Cochrane reviews. International Journal Of Obesity. 2018; 42(11): 1823–1833. https://doi.org/10.1038/s41366–018–0230-y.
15. Pan L., Li X., Feng Y., Hong L. Psychological assessment of children and adolescents with obesity. Journal of International Medical Research. 2018; 46(1): 89–97. https://doi.org/10.1177/0300060517718733
16. Tsiros M.D., Sinn N., Coates A.M. Treatment of adolescent overweight and obesity.European Journal of Pediatrics. 2008; 167(1): 9–16. doi: 10.1007/s00431–007–0575-z
17. Wickham E. P. 3rd, DeBoer M. D. Evaluation and Treatment of Severe Obesity in Childhood. Clinical Pediatrics. 2015; 54(10): 929–40. https://doi.org/10.1177/0009922814565886
18. Kumar S., Kelly, A.S. Review of Childhood Obesity: From Epidemiology, Etiology, and Comorbidities to Clinical Assessment and Treatment. Mayo Clinic proceedings. 2017; 92(2): 251–265. https://doi.org/10.1016/j.mayocp.2016.09.01
19. Malhotra S., Czepiel K.S., Akam E.Y., Shaw A.Y., Sivasubramanian R., Seetharaman S., Stanford F.C. Bariatric surgery in the treatment of adolescent obesity: current perspectives in the United States. Expert Review of Endocrinology and Metabolism. 2021; 16(3): 123–134. https://doi.org/10.1080/17446651.2021.1914585
Рецензия
Для цитирования:
Чубаров Т.В., Жданова О.А., Шаршова О.Г., Галда О.Г., Патрицкая М.В., Нифталиев К.С. Возможности искусственного интеллекта в оценке эффективности немедикаментозного лечения ожирения у детей. Медицинский алфавит. 2022;1(18):20-24. https://doi.org/10.33667/2078-5631-2022-18-20-24
For citation:
Chubarov T.V., Zhdanova O.A., Sharshova O.G., Galda O.G., Patritskaya M.V., Niftaliev K.S. Artifcial intelligence capabilities in evaluating effectiveness of non-medicinal treatment of obesity in children. Medical alphabet. 2022;1(18):20-24. (In Russ.) https://doi.org/10.33667/2078-5631-2022-18-20-24