Details

Данная работа посвящена разработке программного модуля для оценки осложнений сахарного диабета на основе клинико-лабораторных данных пациентов. В программном модуле реализованы две модели машинного обучения: модель диабетической нефропатии и модель диабетической ретинопатии/ангиопатии. Модель диабетической нефропатии предназначена для стратификации признаков риска поражения почек. Модель диабетической ретинопатии/ангиопатии оценивает вероятность наличия хронического осложнения на основе клинико-лабораторных данных пациента. Основные задачи, решенные в ходе работы: 1. Провести анализ предметной области и существующих подходов к оценке осложнений сахарного диабета; 2. Провести первичный анализ исходного набора клиниколабораторных данных; 3. Реализовать предобработка данных, включающая очистку таблицы, обработку пропусков и преобразование типов признаков; 4. Выполнить агрегацию нескольких визитов одного пациента по принципу «один пациент — одна строка»; 5. Сформировать целевую переменную nephropathy_risk для оценки признаков риска диабетической нефропатии; 6. Сформировать целевую переменную angiopathy_risk для оценки наличия диабетической ретинопатии/ангиопатии; 7. Провести обучение и сравнительный анализ модели машинного обучения для двух задач бинарной классификации; 8. Реализовать пользовательский интерфейс на базе Streamlit с поддержкой ручного ввода данных пациента, загрузки Excel/CSV-файла и вывода результатов по двум осложнениям; 9. В интерфейс приложения добавить поля процентилей САД и ДАД для более корректной интерпретации артериального давления у детей; 10. Подготовить файлы запуска install.bat и start.bat, а также пользовательскую инструкция README.md. В результате работы разработан программный модуль diabetes-riskstratifier. Приложение позволяет рассчитывать результаты по двум направлениям: признаки риска диабетической нефропатии и вероятность наличия диабетической ретинопатии/ангиопатии. Пользователю предоставляется следующая информация: рассчитанная вероятность риска, уровень угрозы, бинарный ответ модели, а также краткая интерпретация ключевых факторов, повлиявших на прогноз. Разработанное решение предназначено для поддержки анализа клинико-лабораторных данных и может использоваться как основа для дальнейшего развития системы поддержки принятия врачебных решений.

This work is devoted to the development of a software module for assessing diabetes complications based on clinical and laboratory patient data. The software module implements two machine learning models: a diabetic nephropathy model and a diabetic retinopathy / angiopathy model. The diabetic nephropathy model is intended to stratify signs of kidney damage risk. The diabetic retinopathy / angiopathy model estimates the probability of the presence of the corresponding chronic complication based on patient clinical and laboratory data. The main tasks solved during the work are: 1. Analysis of the subject area and existing approaches to assessing diabetes complications. 2. Primary analysis of the initial clinical and laboratory dataset. 3. Data preprocessing, including table cleaning, missing value processing, and feature type conversion. 4. Aggregation of multiple patient visits according to the principle “one patient — one row”. 5. Formation of the target variable nephropathy_risk for assessing signs of diabetic nephropathy risk. 6. Formation of the target variable angiopathy_risk for assessing the presence of diabetic retinopathy / angiopathy. 7. Training and comparison of machine learning models for two binary classification tasks. 8. Implementation of a Streamlit-based user interface supporting manual patient data entry, Excel/CSV file upload, and result output for two complications. 9. Addition of systolic and diastolic blood pressure percentile fields for more appropriate interpretation of blood pressure in pediatric patients. 10. Preparation of install.bat, start.bat, and the user instruction file README.md. As a result, the diabetes-risk-stratifier software module was developed. The application calculates results in two directions: signs of diabetic nephropathy risk and probability of the presence of diabetic retinopathy / angiopathy. The user receives probability, risk level, binary model decision, and a brief interpretation of risk factors. The developed software solution is intended to support the analysis of clinical and laboratory data and may serve as a basis for further development of a clinical decision support system.