Методы машинного обучения для оптимизации лечения детского острого лимфобластного лейкоза в подгруппах

Острый лимфобластный лейкоз – одно из самых часто встречающихся онкологических заболеваний (ОЛЛ) у детей и подростков. Развитие протоколов лечения детского ОЛЛ в нашей стране позволило добиться излечения большей части всех больных. Однако дальнейшие попытки модификации терапии практически не приводят к повышению выживаемости. В этих протоколах практически отсутствует персонализация терапии, в то время как именно персонализация может позволить существенно улучшить текущие показатели выживаемости. Эта работа посвящена изучению проблемы поиска подгрупп пациентов с наличием различий в эффективности сравниваемых стратегий лечения. Подразумевается, что имеются данные о характеристиках и исходе лечения пациентов, которым случайным образом приписывалась одна из исследуемых стратегий лечения. Такие данные чаще всего могут быть собраны в результате рандомизированного контролируемого клинического исследования. В работе приводится обзор существующих подходов к решению обозначенной проблемы, в основе которых лежат методы машинного обучения. Помимо этого, предлагается собственный подход к поиску подгрупп и генерации гипотез о наличии различий в эффективности стратегий лечения в подгруппах. В основе этого подхода лежит представление исходных данных в виде узорных структур, описание подгрупп замкнутыми описаниями и поиск всех подгрупп со значимыми различиями при помощи алгоритма, представляющего из сея версию алгоритма Замыкай по Одному. Проведена аппробация предлагаемого подхода к имеющимся данным рандомизированного контролируемого исследования о лечении детского ОЛЛ. Представлено сравнение результатов применения с другими подходами к выделению подгрупп. В результате, предлагаемый подход позволяет получить большее число подгрупп с наличием значимых различий. Для оценки устойчивости описаний подгрупп, получаемых в результате применения предлагаемого подхода, предлагается мера устойчивости, основанная на расстоянии понятий в решетке узорных понятий.