Прогнозирование течения хронической сердечной недостаточности с помощью машинного обучения: анализ международных методологических стандартов и их применения в российской исследовательской практике

Введение

Хроническая сердечная недостаточность (ХСН) остается распространенной причиной госпитализации и преждевременной смерти, создавая высокую нагрузку на систему здравоохранения [1][2]. Гетерогенность заболевания, а также тот факт, что даже однократный эпизод острой декомпенсации ХСН значительно ухудшает прогноз, делают повышение точности прогнозирования индивидуального риска ключевой научно-практической задачей [3].

Ограниченная прогностическая способность традиционных клинических шкал стимулирует поиск новых подходов [4][5]. Машинное обучение (МО) рассматривается как перспективный инструмент для анализа больших объемов данных и создания персонализированных прогнозов [6]. По мере накопления исследований в этой области акцент сместился с демонстрации высоких метрик эффективности (AUC — area under the curve) на методологическую строгость [7][8]. Международный консенсус, закрепленный в руководствах TRIPOD-ML (Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis — Machine Learning, отчетность) и PROBAST (Prediction model Risk Of Bias Assessment Tool, оценка риска систематической ошибки), подчеркивает критическую важность внешней валидации, анализа клинической полезности и прозрачной отчетности [9][10].

В России также ведется исследовательская работа по применению МО в кардиологии. Тем не менее, остается неясным, насколько существующие отечественные разработки соответствуют глобальным методологическим стандартам качества [11].

Цель обзора — на основе анализа международных стандартов методологического качества и обзора существующей практики разработать адаптированный для российских условий алгоритм применения МО для создания воспроизводимых моделей прогнозирования течения ХСН.

Методологические подходы

Поиск литературы проводился в базах данных PubMed и eLibrary за период 2016-2025гг. Стратегия включала два независимых подхода:

1) Для отбора международных исследований по МО и ХСН использовались термины: machine lear­ning, artificial intelligence, prediction model, pro­gnos­tic model, heart failure. Для поиска методологических руководств применялись следующие ключевые слова: TRIPOD-ML, PROBAST, validation.

2) Для анализа российских исследований использовались следующие запросы: машинное обучение, искусственный интеллект (ИИ), логистичес­кая регрессия, градиентный бустинг, случайный лес, сердечная недостаточность, ХСН, прогноз, прогнозирование.

В обзор включались публикации, соответствующие следующим критериям:

• Имеется открытый доступ к полной версии статьи на русском или английском языках;
• Для англоязычных работ: статьи, посвященные принципам, стандартам или являются обзорами методологии разработки прогностических моделей МО;
• Для российских работ: оригинальные исследования, целью которых была разработка модели МО для прогнозирования течения ХСН, систематические обзоры применения методов ИИ в отечественной практике.

Анализ проводился по следующим аспектам: тип решаемой задачи и используемые алгоритмы МО, подход к валидации модели, отчетность и оценивание риска систематической ошибки, оценка клинической полезности.

В связи с нарративным характером обзора и разнородностью включенных источников метаанализ не проводился. Результаты структурированы по 4-м тематическим блокам, отражающим логику перехода от общих принципов к практическим рекомендациям.

Результаты

Концептуальные основы применения МО для прогнозирования в кардиологии

МО — это раздел ИИ, целью которого является создание алгоритмов, выявляющих закономерности в данных для прогнозирования течения заболеваний или принятия решений [4].

Ключевые подходы к МО различаются в зависимости от наличия в данных сведений об исходе: обучение с учителем (алгоритм обучен на примерах с известными исходами) и обучение без учителя (выявляются скрытые закономерности с обнаружением однородных кластеров, фенотипов) [12][13]. Ансамблевые методы (Random Forest, XGBoost) повышают точность за счет объединения прогнозов множества простых моделей, но их сложность снижает интерпретируемость принятых решений. Для повышения прозрачности применяют методы объяснимого ИИ (XAI, explainable artificial in­tel­li­gence), такие как SHAP-анализ (SHapley Additive exPlanations), которые позволяют оценить вклад каждого признака в итоговый прогноз [14].

Прогнозирование течения ХСН — методологически сложная задача, требующая предотвращения "утечки данных", борьбы с дисбалансом классов (использование метрик, устойчивых к дисбалансу (F1-score, PR-AUC)) и обеспечения интерпретируемости моделей (XAI) [9][10][14][15].

Таким образом, МО предлагает кардиологии мощный инструментарий для преобразования разнородных клинических данных в персонализированные прогнозы, но его эффективное применение сопряжено с рядом методологических сложностей. Для их системного решения и обеспечения качества прогностических исследований международным сообществом были разработаны специализированные стандарты.

Международные стандарты методологического качества

Несмотря на активно растущее число публикаций, посвященных МО в медицине, систематические обзоры указывают на системную проблему: значительная часть исследований ограничивается демонстрацией высокой точности на внутренних данных без должной проверки на независимых когортах. Данный кризис воспроизводимости носит глобальный характер и в равной степени затрагивает как крупные международные, так и локальные, в т.ч. отечественные исследования [10][16-18].

Ответом научного сообщества стало формирование методологического консенсуса и создание специализированных инструментов, призванных стандартизировать процесс разработки, отчетности и оценки прогностических моделей. Ключевыми из них являются инструмент оценки риска систематической ошибки PROBAST и руководство по отчетности TRIPOD-ML [19].

PROBAST фокусируется на 4-х разделах (доменах). Из них наиболее критическими для МО являются посвященные предикторам и непосредственно анализу.

Домен 2 (предикторы): для исключения "утечки данных" все предикторы должны быть измерены до наступления изучаемого исхода.

Домен 4 (анализ): ключевой среди всех разделов, оценивающий, насколько надежно проверена модель:

1. Валидация: выстраивается четкая иерархия доказательности от наименее надежной внутренней кросс-­валидации к обязательной внешней проверке на независимой выборке. Отсутствие последней автоматически приводит к высокой оценке риска систематической ошибки [9].
2. Обработка данных: анализируется метод работы с пропущенными значениями предикторов (простое удаление таких случаев является методологически слабым подходом).
3. Размер выборки: существует эмпирическое правило "не менее 10 событий на предиктор", которое помогает минимизировать риск переобучения, следовательно, здесь проводят оценку достаточности числа событий (events per variable, EPV) [12][17][20].

TRIPOD-ML предъявляет конкретные требования к отчетности. Ключевые требования стандарта систематизированы на рисунке 1 [19][21].

Даже методологически выверенная и хорошо описанная модель должна доказать свою практическую значимость. Для этого необходимы оценка калибровки (соответствие предсказанных вероятностей реальной частоте событий) и анализ кривых принятия клинических решений (Decision Curve Analysis, DCA), показывающий пользу модели по сравнению со стратегиями "лечить всех" или "не лечить никого" [22][23].

Таким образом, можно сформулировать современный стандарт для разработки моделей с использованием МО: предотвращение систематических ошибок через следование критериям PROBAST на этапе планирования и проведения исследования, обеспечение прозрачности и воспроизводимости с соблюдением рекомендации TRIPOD-ML при подготовке публикации, проведение оценки непосредственной клинической полезности с помощью анализа калибровки и DCA.

Анализ российской исследовательской практики: вакуум в разработке и существующие ограничения

Систематический поиск и его анализ. Поисковая стратегия для оценки состояния исследовательского поля в России была сфокусирована на выявлении оригинальных исследований, где декларировалось использование методов МО для решения задач, связанных с ХСН. Критерии включения исследований в обзор: наличие открытого доступа к полнотекстовой версии, разработка модели прогнозирования течения ХСН, использование методов, относящихся к области МО. Критерии невключения: работа посвящена прогнозированию развития ХСН, методология исследования ограничена классической статистикой без элементов прогностического моделирования, обзоры литературы, тезисы, материалы конференций.

Результаты поиска подтвердили тезис о нахождении области в стадии становления. Было найдено 593 публикации. После скрининга названий и аннотаций для полнотекстового анализа отобраны 23 работы, из которых 8 соответствовали критериям включения. Важно отметить, что лишь в 5 исследованиях авторы использовали в названии или тексте терминологию, позволяющую отнести их к области МО. Остальные 3 работы были включены в анализ на том основании, что используемые в них методы относятся к широкому классу методов статистического обучения (логистическая регрессия), однако авторы не идентифицировали свои исследования, как работы по МО. При этом наблюдается значительная гетерогенность в прогнозируемом исходе (смерть, госпитализация, эффективность терапии и др.), изучаемой популяции (общая когорта ХСН, ХСН в сочетании с сахарным диабетом 2 типа, пациенты с ХСН и имплантированными устройствами и др.) и заявленных методах МО. Сводная характеристика работ представлена в таблице 1.

Таким образом, клинически значимая задача — прогнозирование течения ХСН — в российской научной литературе практически не представлена. Немногочисленные существующие работы решают разнородные задачи на узких группах пациентов, что не позволяет сформировать единую доказательную базу.

Глубокий методологический разбор. Проведенный анализ выявил 4 методологические проблемы, которые ставят под сомнение воспроизводимость и клиническую применимость разработанных моделей.

Проблема 1. Проблема адекватности выбора метода — неоптимальное использование сложных алгоритмов на малых выборках или их применение не по назначению.

Проблема 2. Некорректная валидация и игнорирование риска "утечки данных" — отбор признаков и настройка модели на всей выборке, отсутствие внешней валидации.

Проблема 3. Низкая прозрачность и воспроизводимость работ — неполное описание методологии, отсутствие публикации кода.

Проблема 4. Ограниченность оценочных метрик — ориентация только на AUC-ROC (площадь под ROC-кривой) без оценки калибровки и клинической полезности.

Детальное описание каждой проблемы с примерами из конкретных исследований [24-31] и анализом последствий приведено в таблице 2.

Существующие системные ограничения. Выявленные проблемы носят системный характер и их причины заключены в условиях, в которых работает российский исследователь:

— Во-первых, несмотря на активное развитие регистров ХСН в России, их использование для задач внешней валидации прогностических моделей сопряжено с рядом трудностей. Как показано в систематическом обзоре Посненковой О. М. и др., данные большинства отечественных регистров не являются общедоступными [32]. Таким образом, исследователи вынуждены работать с ограниченными одноцентровыми выборками.

— Во-вторых, из числа рассмотренных работ ни в одной не было указаний на взаимодействие со специалистами по МО или биостатистике. Между тем, междисциплинарный подход способствует корректному проведению прогностических исследований с использованием МО [21]. Отсутствие такого взаимодействия может приводить к поверхностному применению сложных методов или их излишнему смешению.

— В-третьих, отсутствие формальных требований со стороны редакций российских научных журналов к обязательному соблюдению TRIPOD-ML, публикации кода и проведению внешней валидации снижает мотивацию исследователей к обеспечению прозрачности и воспроизводимости своих работ.

Следует отметить, что выявленные недостатки встречаются и в зарубежных исследованиях, где проблема воспроизводимости также стоит достаточно остро. Систематически обзоры подчеркивают необходимость ответственного подхода к валидации моделей и выбора оптимального метода для решения задач исследования [10][16][17].

Проведенный методологический разбор свидетельствует о том, что область прогностического моделирования при ХСН с использованием МО в России находится в стадии становления и характеризуется значительным методологическим разрывом с международными стандартами. Развитие области зависит, в первую очередь, от методологической культуры: внедрение культуры строгой валидации, прозрачной отчетности и оценки реальной клинической значимости. Этот вывод служит прямым обоснованием для разработки практической инструкции, которая позволит российским исследователям, действуя в условиях существующих барьеров, создавать модели, соответствующие принятым стандартам доказательности.

Практический алгоритм для российских исследователей

На основе выявленных системных проблем пред­лагается практический алгоритм действий. Его цель — способствовать созданию прогностических моделей, соответствующих международным стандартам качества и адаптированных к российским условиям. Ключевой принцип: строгая методология важнее технологической сложности. Последовательность шагов визуализирована на рисунке 2.

Шаг 1. Подготовка и постановка задач. Сформировать междисциплинарную команду: кардиолог (специалист соответствующей области, определяющий клиническую значимость задачи и исхода), специалист по данным (data scientist, отвечающий за программирование и методологию МО) и биостатистик (контролирует дизайн исследования и анализ). До начала работы с данными команда совместно формулирует и фиксирует в протоколе следующие элементы исследования:

• Четкое определение прогнозируемого исхода (например, "госпитализация по поводу декомпенсации ХСН в течение 90 дней после выписки").
• Целевая популяция и критерии включения/невключения.
• План сбора и источники данных.
• План валидации.

Шаг 2. Разделение данных и их обработка. Перед любым анализом вся доступная когорта случайным образом делится на тренировочную (обычно 70-80%) и тестовую (20-30%) выборки [8]. Тестовая выборка не используется до финальной оценки модели. Все процедуры обработки пропущенных значений, кодирования категориальных признаков и масштабирования должны быть обучены исключительно на тренировочных данных, а затем применены к тестовым. Весь процесс разработки должен быть реализован в виде исполняемого кода (например, на Python) — это основа воспроизводимости исследования [21].

Шаг 3. Разработка и валидация модели. 1) Выбор и настройка модели исключительно на тренировочных данных: начинать с простых интерпретируемых методов (например, логистическая регрессия со специальными настройками, предотвращающими переобучение), использовать кросс-­валидацию для их оптимальной настройки (подбора параметров), переходить к сложным ансамблевым моделям только при доказанном недостатке качества и наличии достаточно большого объема данных. 2) Комплексная оценка на тестовом наборе (проводится единожды): расчет дискриминации (способности модели ранжировать пациентов, AUC-ROC), построение графика калибровки и определение Brier score (точность предсказанных вероятностей), анализ кривой принятия решений (DCA).

Шаг 4. Отчетность и публикация. При подготовке публикации необходимо соблюдать пункты руководства TRIPOD-ML. Весь код, включая подготовку, обучение и валидацию модели, выкладывается в открытый доступ. В статье детально описываются все этапы шагов 1-3.

Шаг 5. Путь к внедрению в практику. Разрабатывается рабочий прототип (например, веб-каль­ку­ля­тор) для пилотного тестирования. Заранее планируется проведение проспективного этапа исследования, в котором модель будет работать с новыми пациентами, а ее прогнозы — регистрироваться для последующей проверки с реально наступившими исходами. Рассматривается дизайн рандомизированного исследования, в котором одна группа врачей использует подсказки модели, а другая — нет, для оценки влияния на клинические решения и исходы лечения.

Заключение

Проведенный анализ раскрывает суть разрыва между международными стандартами разработки прогностических моделей с использованием МО и текущей российской исследовательской практикой в области ХСН.

Международные стандарты (PROBAST, TRIPOD-ML) требуют минимизации систематических ошибок (особенно за счет строгого разделения данных и внешней валидации), обеспечение прозрачной отчетности и оценку клинической полезности (DCA, калибровка).

Анализ российских исследований по ХСН выявил две ключевые проблемы: критически малое количество работ, посвященных прогнозированию течения ХСН, и систематические методологические нарушения: утечка данных, отсутствие внешней валидации, низкая прозрачность и ориентация исключительно на технические метрики.

Выявленные проблемы носят системный характер. Они следуют из сложившихся условий работы российского исследователя: фрагментация данных, междисциплинарный разрыв между клиницистами и специалистами по МО, отсутствие регуляторных требований к публикациям в данной области.

В качестве конструктивного решения предложен практический алгоритм для российских исследователей. Его основа — последовательность обязательных шагов, смещающих фокус с технологической сложности на воспроизводимость и клиническую обоснованность результатов. Данный алгоритм адаптирует международные стандарты к условиям отечественного здравоохранения и охватывает весь цикл исследования — от постановки задачи и сбора данных до валидации модели и планирования ее клинической проверки.

Отношения и деятельность: все авторы заявляют об отсутствии потенциального конфликта интересов, требующего раскрытия в данной статье.