ПРИМЕНЕНИЕ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ИДЕНТИФИКАЦИИ ФАКТОРОВ РИСКА РАЗВИТИЯ ПСИХИЧЕСКИХ РАССТРОЙСТВ У ПАЦИЕНТОВ С COVID-19

Аннотация

Алгоритмы машинного обучения позволяют обрабатывать большой объем данных и персонифицировать подходы к диагностике психических расстройств у пациентов, госпитализированных с COVID-19. Цель исследования. Идентифицировать ключевые факторы риска развития психических расстройств среди пациентов, госпитализированных с COVID-19, при помощи алгоритмов машинного обучения. Материалы и методы. Общую выборку составили 378 пациентов старше 18 лет, госпитализированных с COVID-19 в период с апреля 2020 г. по август 2022 г. Основная группа исследования – 189 пациентов, которые в стационарном периоде обращались к психиатру. Контрольная группа – 189 пациентов без жалоб на психическое состояние в период госпитализации. В исследовании применяли следующие алгоритмы машинного обучения: логистическая регрессия (logistic regression), дерево решений (decision tree), метод опорных векторов (support vector machine), градиентный бустинг (gradient boosting (catboost)). Результаты. Среди предложенных алгоритмов максимальную эффективность показал градиентный бустинг. Наиболее значимыми факторами развития психических расстройств среди пациентов, госпитализированных с COVID-19, являются наличие хронической цереброваскулярной дисфункции, активация процессов системного воспаления и нарушение процессов микроциркуляции и тканевого метаболизма. Заключение. Применение алгоритмов машинного обучения в последующем позволит персонифицировать подходы к диагностике психических расстройств, ассоциированных с COVID-19.