ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ПРОГНОЗИРОВАНИИ РАКА ЩИТОВИДНОЙ ЖЕЛЕЗЫ

Разработана веб-система прогнозирования рецидива рака щитовидной железы по клиническим данным. Она включает интерфейс, предобработку признаков, ML-модель и журнал результатов. Подходит для учебных, исследовательских и прикладных задач. Точность — 98,1 %, ROC AUC — 0,9978.

Описание проекта

Введение. Рак щитовидной железы относится к числу наиболее распространённых опухолей эндокринной системы. Несмотря на высокую эффективность лечения, для части пациентов сохраняется риск рецидива, что требует регулярного наблюдения и повторной оценки клинических факторов. Существующие подходы к анализу таких данных часто реализуются в виде разрозненных таблиц и экспертных оценок, что усложняет интерпретацию и использование результатов. Поэтому актуальной задачей является создание единой программной системы, которая сочетает удобный ввод медицинских показателей, автоматическую обработку признаков и получение результата в виде вероятностного показателя прогноза в наглядной форме.

Материалы и методы. Разработанная система представляет собой веб-приложение на языке Python с использованием фреймворка Django. В качестве прогнозного ядра используется модель машинного обучения, обученная на размеченных медицинских данных. Для повышения воспроизводимости и удобства развертывания система контейнеризирована с применением Docker. Хранение истории выполненных прогнозов организовано средствами встроенной базы данных. Пользователь вводит клинические и морфологические характеристики пациента через веб-форму. Полученные данные передаются в модуль предобработки, где выполняются очистка значений, приведение признаков к необходимому формату и формирование набора параметров для модели. 

Результаты и обсуждение. Наиболее высокие показатели продемонстрировала модель XGBClassifier: точность — 98,1 %, чувствительность — 90,9 %, специфичность — 100 %, ROC AUC — 0,9978. Реализованная веб-система обеспечивает полный цикл работы с прогнозом: ввод данных, автоматический запуск модели, получение результата и сохранение истории обращений. Такое решение сокращает число ручных операций и позволяет использовать единый интерфейс для последующего анализа. Важным достоинством является разделение программной архитектуры на пользовательский интерфейс, серверную логику и модуль интеллектуальной обработки, что упрощает сопровождение и дальнейшее расширение проекта. 

Заключение. Создана веб-система прогнозирования рецидива рака щитовидной железы на основе клинических данных. Система объединяет методы интеллектуального анализа данных и удобный веб-интерфейс, обеспечивая автоматизированное получение прогноза и хранение результатов. Разработанный подход может быть использован как инструмент поддержки принятия решений в исследовательской и образовательной практике, а также как основа для последующего подключения новых моделей и наборов клинических данных.Дальнейшее развитие проекта связано с расширением выборки, сравнением нескольких моделей и повышением интерпретируемости прогностических выводов. 

Работа выполнена в междисциплинарном взаимодействии кафедры вычислительной техники СПбГЭТУ «ЛЭТИ» и кафедры терапии факультетской с курсом эндокринологии, кардиологии с клиникой им. акад. Г.Ф. Ланга ФГБОУ ВО ПСПбГМУ им.И.П.Павлова

Авторы проекта

Материалы