МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ В ПРОГНОЗИРОВАНИИ РЕЦИДИВА ТУБЕРКУЛЕЗА С МНОЖЕСТВЕННОЙ ЛЕКАРСТВЕННОЙ УСТОЙЧИВОСТЬЮ ВОЗБУДИТЕЛЯ, "Вестник Центрального Научно-Исследовательского Института Туберкулеза"

Abstract

Введение. Во всем мире туберкулез (ТБ) с лекарственной устойчивостью (ЛУ) является угрозой для общественного здравоохранения. По информации Всемирной организации здравоохранения, с наибольшей долей глобального бремени выделены три страны: Индия, Китай и Российская Федерация. В 2019 г. из зарегистрированных новых случаев ТБ с резистентностью к рифампицину 78% имели ТБ с множественной лекарственной устойчивостью (МЛУ ТБ). Показатели эффективного лечения МЛУ ТБ в мире составляют около 57%, а в РФ – 55%. Эффективное излечение МЛУ ТБ не гарантирует, что через некоторое время вновь не будут выявлены признаки активности ТБ, и эти данные во всем мире варьируют от 0% до 8,5%. Рецидивы заболевания являются важным показателем эффективности противотуберкулезного лечения и дальнейшего эпидемиологического благополучия. В настоящее время информационные технологии позволяют изучать наборы биомедицинских данных для решения практически любых задач здравоохранения, а именно такие современные методы анализа, как методы машинного обучения (МО). Они обладают эффективной прогнозирующей способностью и могут обнаруживать внутренние закономерности в наборах данных. Цель исследования: разработка прогностической модели с помощью современных методов машинного обучения.