"ТиреоВектор" — Программа интеллектуального прогнозирования диффузного токсического зоба (ДТЗ)

ТиреоВектор — веб-приложение для прогнозирования течения диффузного токсического зоба. Модели машинного обучения (AUC 0,80) превзошли статистические методы. Обучено на реальных данных 185 пациентов российской популяции. ЛЭТИ × ПСПбГМУ им. И.П. Павлова.

Описание проекта

ТиреоВектор — программа интеллектуального прогнозирования течения диффузного токсического зоба с функцией дообучения.

Диффузный токсический зоб (ДТЗ, болезнь Грейвса) — наиболее распространённая причина тиреотоксикоза в России, преимущественно у женщин 20–50 лет. После отмены консервативной терапии рецидив возникает у 50–60% пациентов. При этом действующие клинические рекомендации Минздрава РФ не содержат формализованных критериев прогноза течения заболевания, а формализованных инструментов для персонализированной оценки риска рецидива в рутинной клинической практике не существует. Традиционные статистические методы не учитывают нелинейные взаимосвязи между многочисленными клиническими параметрами. Цена ошибки — затяжная терапия, излишние операции и осложнения.

Решение

ТиреоВектор — веб-приложение для поддержки врачебных решений в клинической эндокринологии и эндокринной хирургии. Система прогнозирует два клинически значимых исхода:

Модуль 1. Вероятность отсутствия ремиссии после консервативной терапии (модели: Random Forest, XGBoost).

Модуль 2. Риск рецидива после тиреоидэктомии (модели: KNN, ExtraTrees).

Врач вводит клинико-лабораторные показатели пациента (25 параметров: ТТГ, свободный Т3/Т4, объём щитовидной железы, пол и др.) и получает числовую вероятность неблагоприятного исхода. Интерпретируемость обеспечивается таблицей влияния каждого признака на прогноз на основе SHAP-значений — врач видит не просто результат, но и его обоснование.

Уникальная особенность — функция дообучения: при вводе верифицированных исходов заболевания система адаптирует модели к профилю пациентов конкретной клиники без повторной разработки, повышая точность прогнозов со временем.

Данные и методология

Исследование выполнено в междисциплинарном взаимодействии СПбГЭТУ «ЛЭТИ» и ПСПбГМУ им. И.П. Павлова. Клинические данные предоставлены кафедрой терапии факультетской ПСПбГМУ; сотрудничество с клиникой продолжается в рамках текущей клинической валидации.

• Датасет: 185 пациентов с верифицированным диагнозом ДТЗ, Санкт-Петербург
• Исходный набор: 86 клинико-анамнестических параметров → отобрано 25 наиболее информативных признаков
• Реальные ретроспективные клинические данные российской популяции — не публичный датасет
  
• Протестировано 10 алгоритмов: методы МО (Random Forest, XGBoost, ExtraTrees, KNN, SVM, MLP, Decision Tree) и статистические модели (логистическая регрессия, LDA, QDA, наивный байесовский классификатор)

Результаты

Ансамблевые методы МО статистически значимо превзошли традиционные статистические подходы:

• XGBoost: AUC = 0,80 
• Random Forest: AUC = 0,79
• Статистические методы: средний AUC = 0,673

Впервые для российской популяции количественно определена значимость предикторов течения ДТЗ. Наибольший вклад в прогноз вносят: уровень ТТГ через 1,5 года лечения / перед отменой терапии (0,172), объём щитовидной железы перед отменой (0,127), возраст начала заболевания (0,085).

Результаты опубликованы в рецензируемом журнале: Дарий Е.М., Мелдо А.А., Дора С.В., Халимов Ю.Ш. Прогнозирование рецидива диффузного токсического зоба на основе клинических данных и сравнение методов машинного обучения и статистических моделей // Известия СПбГЭТУ «ЛЭТИ». 2026.

Технологический стек

Языки программирования: Python, JavaScript. Библиотеки: scikit-learn, XGBoost, Flask, SHAP.

Команда

• Дарий Евгения Марьяновна — разработчик, бакалавр кафедры вычислительной техники СПбГЭТУ «ЛЭТИ»;
• Мелдо Анна Александровна — научный руководитель, д.м.н., профессор кафедры вычислительной техники СПбГЭТУ «ЛЭТИ»;
• Дора Светлана Владимировна — д.м.н.,профессор кафедры терапии факультетской с курсом эндокринологии и кардиологии с клиникой имени академика Г. Ф. Ланга, заместитель главного врача клиники по медицинской части ФГБОУ ВО ПСПбГМУ им. И. П. Павлова Минздрава России;
• Халимов Юрий Шавкатович — профессор, заведующий кафедрой терапии факультетской с курсом эндокринологии и кардиологии с клиникой имени академика Г. Ф. Ланга, проректор по лечебной работе ФГБОУ ВО ПСПбГМУ им. И. П. Павлова Минздрава России, Заслуженный врач РФ, Главный эндокринолог Комитета по здравоохранению Правительства Санкт-Петербурга.

Пилотная апробация планируется на базе ПСПбГМУ им. И.П. Павлова — действующего клинического партнёра проекта. Функция дообучения снижает барьер внедрения: модель адаптируется к конкретной клинике без дополнительной разработки. Целевые пользователи — врачи-эндокринологи и эндокринные хирурги в амбулаторных и стационарных условиях.

Организация

СПБГЭТУ "ЛЭТИ"

Авторы проекта

Материалы