Модель TEDDY предсказывает болезни у детей за два года до постановки диагноза
Группа исследователей представила TEDDY — компактную нейросеть для прогнозирования риска заболеваний у детей. Модель обучена на 73 миллионах записей о диагнозах (ICD-10) 1,6 миллиона пациентов одной педиатрической клиники.
TEDDY (Temporal Event Decoder for Disease in Youth) — это декодер-трансформер с 1,84 миллиона параметров. Он анализирует временную последовательность диагнозов и интервалы между визитами, предсказывая первое появление заболевания до того, как код диагноза становится известен.
На 797 задачах прогноза начала болезни из 16 разделов ICD-10 модель достигла медианного AUC 72%. Она превзошла стандартные алгоритмы (DenseNet, CNN, RNN, LSTM) в 96–99% случаев. Точность сохранялась независимо от пола и возраста, особенно высока была для редких заболеваний — 90% из 225 самых редких состояний показали значимые результаты.
Ученые также обнаружили, что предсказательный сигнал появляется более чем за два года до первой зафиксированной записи о диагнозе. Медианный AUC в свободном анализе составил 59,7%, а в фиксированной когорте — 64,4%.
Отдельные тесты на астме и синдроме дефицита внимания и гиперактивности (СДВГ) показали AUC 79,3% и 84,7% соответственно. Для сравнения, лучший из традиционных методов (включая языковую модель на миллиарды параметров) дал 62,7% и 71,7%.
Модель также предсказывала время следующего визита со средней абсолютной ошибкой 3,0 дня в пределах года. Однако медианные и долгосрочные интервалы возврата остались неточными.
Разработка показывает, что даже небольшие нейросети могут эффективно работать с педиатрическими данными и прогнозировать редкие патологии без необходимости в миллиардных параметрах и огромных вычислительных мощностях.
