|
Эндометриоз представляет собой широко распространенное патологическое состояние, однако его клиническое проявление и механизмы остаются недостаточно изученными. Временной разрыв между появлением первых симптомов и установлением диагноза иногда составляет более десяти лет, что значительно затрудняет раннюю диагностику и адекватное лечение. На сегодняшний день отсутствует универсальное лечение, способное полностью устранить эндометриоз, что подчеркивает необходимость разработки новых подходов к диагностике. В данном исследовании рассматривается конструирование и отбор факторов, ассоциированных с риском развития эндометриоза, с использованием современных методов машинного обучения для формирования оптимальной математической модели. Проведен анализ значимости выбранных признаков, что позволило сократить набор факторов до тех, которые не ухудшают динамические характеристики модели, включая точность, быстродействие и стабильность. В результате был создан алгоритм прогнозирования риска эндометриоза на основе логистической регрессии, который включает 30 значимых признаков. Эффективность разработанной модели была оценена с помощью стандартных метрик, таких как точность, чувствительность, специфичность, F1-score и площадь под ROC-кривой. Наилучшие результаты достигнуты с показателем AUC, равным 0,950, что свидетельствует о высокой прогностической способности модели.
Ключевые слова:эндометриоз, неинвазивная диагностика, машинное обучение, прогнозирование, логистическая регрессия
|