Добавил:
Sekretar
kiopkiopkiop18@yandex.ru
t.me/Prokururor I Вовсе не секретарь, но почту проверяю
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Ординатура / Хирургия / Библиотека им академика М.И. Перельмана / Книга_212_библиотеки_им_акад_М_И_Перельмана
.pdf
141
При выявлении аномального метилирования CDH1, MLH1 все пациенты с
экспрессией гена MMP7 больше 0,83, имели 3 стадию онкологического
заболевания.
Используя критерий Спирмана для распределения стадий в зависимости от
экспрессии гена MMP7 в случае наличия аномального метилирования для гена
CDH1, MLH1 и уровень статистической значимости 5%, получили p-value, равное
0,007. Сам коэффициент корреляции Спирмана составил 0,57. Таким образом,
можно говорить о получении статистически значимого результата заметной
корреляции между данными признаками (Рисунки 77, 78, 79 и 80).
Рисунок 77 – Стадия онкологического заболевания
в зависимости от экспрессии гена MMP7
для случая CDH1- и MLH1-
Рисунок 78 – Стадия онкологического заболевания
в зависимости от экспрессии гена MMP7
для случая CDH1+ и MLH1-
https://t.me/med1917
142
Рисунок 79 – Стадия онкологического заболевания
в зависимости от экспрессии гена MMP7
для случая CDH1- и MLH1+
Рисунок 80 – Стадия онкологического заболевания
в зависимости от экспрессии гена MMP7
для случая CDH1+ и MLH1+
3.7.5. Объем операции и общая выживаемость в зависимости от
метилирования генов CDH1, MLH1 и экспрессия MMP7
В исследовании проанализировали, как зависит общая выживаемость
пациентов от различных комбинаций метилирования гена CDH1, MLH1 и
экспрессии MMP7. При отсутствии аномального метилирования CDH1, MLH1 вне
зависимости от экспрессии гена MMP7 и объема операции все пациенты (кроме
одного человека) имели общую выживаемость больше 1 года.
https://t.me/med1917
143
При наличии аномального метилирования CDH1 и отсутствии аномального
метилирования MLH1 все пациенты с гастрэктомией и резекцией желудка для
экспрессии гена MMP7 равной 0,98 имели общую выживаемость меньше 1 года.
При отсутствии аномального метилирования CDH1 и наличии аномального
метилирования MLH1 все пациенты (кроме одного человека) с гастрэктомией для
экспрессии гена MMP7 равной 0,83 – имели общую выживаемость больше 1 года,
а при резекции желудка меньше 1 года, а с экспрессией гена MMP7 равной 0,98
прожили меньше 1 года при обоих объемах операции.
При выявлении аномального метилирования CDH1, MLH1, вне зависимости
от экспрессии гена MMP7 и объема операции все пациенты имели общую
выживаемость меньше 1 года (Рисунки 81, 82, 83 и 84).
Рисунок 81 – Объем операции и выживаемость
в зависимости от экспрессии гена MMP7
для случая CDH1- и MLH1-
Рисунок 82 – Объем операции и выживаемость
в зависимости от экспрессии гена MMP7
для случая CDH1+ и MLH1-
https://t.me/med1917
144
Рисунок 83 – Объем операции и выживаемость
в зависимости от экспрессии гена MMP7
для случая CDH1- и MLH1+
Рисунок 84 – Объем операции и выживаемость
в зависимости от экспрессии гена MMP7
для случая CDH1+ и MLH1+
3.8. Чувствительность и специфичность
Чувствительность – статистический показатель диагностического теста,
позволяющий определить долю корректно идентифицированных объектов класса
https://t.me/med1917
145
1. Также может быть интерпретирован как вероятность, с которой тест способен
корректно определять объекты класса 1. Значение показателя лежит в диапазоне от
0 до 1.
Специфичность – статистический показатель диагностического теста,
позволяющий определить долю корректно идентифицированных объектов класса
0. Также может быть интерпретирован как вероятность, с которой тест способен
корректно определять объекты класса 0. Значение показателя лежит в диапазоне от
0 до 1.
В нашем случае объекта класса 1 – жив, объект класса 0 – умер.
Методом выступают значения метилирования генов CDH1 и MLH1, а также
экспрессия гена MMP7.
CDH1
Наличие аномального метилирования данного гена будет являться прогнозом
летального исхода. Сравнение будет осуществляться с признаком, содержащим
действительные данные о выживаемости пациентов.
MLH1
Наличие аномального метилирования данного гена будет являться прогнозом
летального исхода. Сравнение будет осуществляться с признаком, содержащим
действительные данные о выживаемости пациентов.
MMP7
Прогноз летального исхода на основании данных об экспрессии гена MMP7
разделим на три варианта:
1. значение экспрессии равное 0,98 будет прогнозировать летальный исход
пациента, остальные – продолжение жизни;
2. значения экспрессии равные 0,98 и 0,9 будут прогнозировать летальный
исход пациента, остальные – продолжение жизни;
https://t.me/med1917
146
3. значения экспрессии равные 0,98, 0,9 и 0,84 будут прогнозировать
летальный исход пациента, остальные – продолжение жизни.
Занесем полученные результаты в таблицу 78.
Таблица 78 – Чувствительность и специфичность прогнозирования
выживаемости пациентов
Метод
Чувствительность
Специфичность
CDH1
0,83
0,87
MLH1
0,79
0,66
MMP7 (0,98)
0,63
0,64
MMP7 (0,98; 0,9)
0,73
0,51
MMP7 (0,98; 0,9; 0,84)
0,80
0,49
Наилучшие показатели чувствительности и специфичности при
прогнозировании выживаемости пациентов получены для результатов
исследования аномального метилирования гена CDH1. Данный метод позволил
корректно определить 83% пациентов, у которых общая выживаемость будет
больше 3-х лет, и 87% пациентов, у которых летальных исход будет в течение года.
3.9. Кривые выживаемости Каплана-Майера
Метод Каплана-Мейера — это статистический метод для определения
вероятности того, что событие не наступит до определенного момента времени. В
нашем случае событие – это летальный исход пациента после операции.
Из полученных результатов следует, наименьшая выживаемость у пациентов
с наличием аномального метилирования для генов CDH1 и MLH1, а также с
экспрессией гена MMP7 равной 0,98 (Рисунки 85, 86, 87 и 88).
https://t.me/med1917
147
Рисунок 85 - Кривые выживаемости Каплана-Майера
и метилирование гена CDH1
Рисунок 86 - Кривые выживаемости Каплана-Майера
и метилирование гена MLH1
Рисунок 87 – Кривые выживаемости Каплана-Майера
и метилирование генов CDH1 и MLH1
https://t.me/med1917
148
Рисунок 88 – Кривые выживаемости Каплана-Майера
и метилирование генов CDH1 и MLH1 для уровня
экспрессии гена MMP7, равного 0,98
3.10. Прогнозирование выживаемости пациентов в послеоперационный
период с помощью искусственного интеллекта
Для создания классификатора, позволяющего прогнозировать выживаемость
пациентов в послеоперационный период, были использованы следующие
алгоритмы машинного обучения:
− решающее дерево (Decision Tree Classifier);
− случайный лес (Random Forest Classifier);
− логистическая регрессия (Logistic Regression);
− метод опорных векторов (SVC);
− алгоритм градиентного бустинга (CatBoost).
Для подбора наилучшей комбинации гиперпараметров классификаторов
применялся алгоритм решётчатого поиска GridSearchCV, а также метод кросс-
валидации, позволяющий получить более точную метрическую оценку работы
модели.
https://t.me/med1917
149
Для оценки качества работы классификаторов применялись следующие
метрики: precision, recall, ROC-AUC.
По результатам построения прогностической модели классификации были
получены следующие результаты для каждого из алгоритмов (Таблица 79):
Таблица 79 – Значения метрик для классификаторов
Алгоритм
Recall
Precision
ROC-AUC
Decision Tree Classifier
0.951
0.926
0.957
Random Forest Classifier
0.949
0.904
0.976
SVC
0.944
0.904
0.961
CatBoost
0.923
0.926
0.978
Logistic Regression
0.830
0.886
0.921
По результатам создания и настройки классификаторов с последующей
оценкой прогноза с помощью соответствующих метрик, наилучшие результаты
показал алгоритм машинного обучения: решающее дерево. Классификатор
осуществляет прогноз очень высокого уровня.
Значения метрик Recall и Precision говорят нам о том, что построенная модель
не только почти не ошибается при непосредственном прогнозе того, что человек
имеет данные заболевания, но и корректно определяет всех пациентов в заданной
группе.
Высокий показатель метрики ROC-AUC говорит нам об отличной
способности классификатора различать классы, то есть болен человек или здоров.
В нашем случае эта метрика равна 0,957, что говорит об очень высокой вероятности
корректного определения алгоритмом решающего дерева: выживет человек после
операции или нет.
Рассмотрим признаки, которые алгоритм выделяет как наиболее важные для
осуществления прогноза (Рисунок 89).
https://t.me/med1917
150
Рисунок 89 – Важность признаков для алгоритма
дерева решений (Decision Tree Classifier)
Таким образом, для осуществления прогноза выживаемости пациента после
операции алгоритмом случайного леса были выбраны, как наиболее значимые,
аномальное метилирование генов CDH1, MLH1 и стадия заболевания.
Учитывая качество прогноза, можно сделать вывод, что алгоритм
решающего дерева идентифицирует ярко выраженную зависимость между
выживаемостью пациента после операции и, в первую очередь, аномальным
метилированием гена CDH1, что позволяет в 95% случаев корректно
прогнозировать летальный исход пациента.
3.11. ROC-анализ
Для проведения ROC-анализа воспользуемся алгоритмом машинного
обучения: логистическая регрессия. Для прогноза будем использовать следующие
признаки:
− аномальное метилирование гена CDH1 (опухолевая ткань желудка);
− аномальное метилирование гена CDH1 (неопухолевая ткань желудка у
пациентов с раком желудка);
https://t.me/med1917
Соседние файлы в папке Библиотека им академика М.И. Перельмана