Індивідуальне прогнозування перебігу та ускладнень цукрового діабету 1 типу в дітей: роль великих клінічних даних і методів Data Mining (огляд літератури)

Анотація

Мета роботи — узагальнити сучасні наукові дані щодо використання великих клінічних баз даних, електронних медичних записів і клінічних реєстрів для дітей із цукровим діабетом 1 типу та обґрунтувати можливості застосування методів Big Data (великих даних) і Data Mining (інтелектуального аналізу даних) для розробки моделей індивідуального прогнозування перебігу захворювання й підтримки клінічних рішень.

Матеріали та методи. Проведено аналітичний огляд сучасних наукових публікацій, присвячених формуванню клінічних реєстрів, інтеграції електронних медичних даних і застосуванню методів інтелектуального аналізу даних у дитячій ендокринології. Використано методи систематизації, порівняльного аналізу й узагальнення результатів клінічних і популяційних досліджень, метааналізів та систематичних оглядів, що висвітлюють підходи до стратифікації ризику й побудови прогностичних моделей у пацієнтів дитячого віку з цукровим діабетом 1 типу.

Результати та обговорення. Узагальнення сучасних літературних даних дало змогу систематизувати клінічні, метаболічні, судинні та психосоціальні чинники, що впливають на перебіг цукрового діабету 1 типу в дітей, і визначити інформаційні джерела, необхідні для формування великих масивів структурованих даних. На основі проведеного аналізу сформовано дві концептуальні моделі. Перша модель — інтеграція джерел медичної інформації (клінічні записи, лабораторні показники, дані безперервного моніторингу глікемії, реєстрові й організаційні дані) з їхньою стандартизацією та накопиченням у форматі великих клінічних баз даних (Big Data). Друга модель — алгоритм застосування методів Data Mining і машинного навчання для виявлення ключових предикторів, стратифікації пацієнтів за рівнем індивідуального ризику та побудови прогностичних моделей. Ускладнення захворювання розглядають як клінічно значущі кінцеві точки, що дасть змогу оцінити ефективність аналітичних підходів. Представлені узагальнення підтверджують доцільність переходу від аналізу окремих показників до системного моделювання перебігу захворювання з урахуванням багатофакторної взаємодії даних.

Висновки. Обґрунтовано можливості використання великих клінічних масивів даних (Big Data) і методів Data Mining для індивідуального прогнозування перебігу цукрового діабету 1 типу в дітей. Розроблені концептуальні моделі інтеграції даних та їхньої аналітичної обробки демонструють потенціал створення систем підтримки клінічних рішень, спрямованих на ранню ідентифікацію груп підвищеного ризику й персоналізацію спостереження та лікування. Перспективи подальших досліджень пов’язані з розширенням міжреєстрової інтеграції даних, удосконаленням алгоритмів машинного навчання з урахуванням вікових особливостей дитячої популяції, зовнішньою валідацією прогностичних моделей у різних регіонах і створенням національних платформ для аналітичної підтримки дитячої ендокринологічної практики.