Нейросеть предсказала обострение ХОБЛ по данным домашнего аппарата ИВЛ за неделю
Хроническая обструктивная болезнь легких (ХОБЛ) может внезапно обостряться, и такие эпизоды требуют своевременного вмешательства. Однако существующие алгоритмы машинного обучения часто работают лишь с данными, которые собираются во время визитов к врачу, что приводит к задержкам в принятии решений.
Чтобы сократить этот разрыв, группа исследователей обратилась к домашним аппаратам ИВЛ, которые почти непрерывно фиксируют состояние дыхания во время ежедневного использования. Волновые сигналы давления и потока содержат больше информации, чем отдельные клинические показатели, поэтому они могут стать основой для более оперативного мониторинга.
Предложенная двухэтапная схема работает напрямую с сырыми сигналами за последние семь дней. На первом этапе классификатор определяет пациентов из группы высокого риска тяжелого обострения. На втором — регрессионная модель оценивает количество дней до наступления события.
Эксперименты показали, что такой подход опережает традиционные базовые модели по обоим направлениям. Лучший классификатор первого этапа достиг F1 = 0,91, а модель второго этапа — средней ошибки RMSE = 1,00 дня и коэффициента детерминации R? = 0,76.
По мнению авторов, подобная система дает врачам и пациентам ранний сигнал и практическое время на подготовку — от планирования визита до корректировки терапии. Это особенно важно в домашних условиях, где обострение может развиваться быстро.
Несмотря на обнадеживающие цифры, исследование носит научный характер и требует дальнейшей проверки на больших выборках и в реальной клинической практике. Тем не менее, использование данных домашней ИВЛ выглядит перспективным направлением для прогностической медицины.
