Пошук академічних текстів

Інформація × Реєстраційний номер 0826U000971, Дисертація доктора філософії На здобуття Доктор філософії Дата захисту 17-04-2026 Статус Запланована Назва роботи Оптимізація застосування технологій цифровізації даних обстежень в патології Здобувач Дудін Олександр Євгенович, Керівник Мінцер Озар Петрович Опонент Сельський Петро Романович Опонент Стіренко Сергій Григорович Рецензент Дядик Олена Олександрівна Рецензент Соловйов Сергій Олександрович Опис У дисертації вирішено актуальне завдання біології - підвищення ефективності технологій цифровізації даних обстежень та розробленню на цій основі прогностичних моделей для прийняття рішень у патології на прикладі меланоми шкіри. Розроблено нові підходи та систематизовано методи аналізу структурних і функціональних змін в організмі людини з точки зору ефективнішого використання технологій цифровізації даних за допомогою алгоритмів штучного інтелекту, перш за все, на основі методів машинного навчання, що допомагає в опрацюванні великих масивів даних, підвищенні точності діагностики та прогнозуванні результатів лікування. Конвергенція цифрової патології та штучного інтелекту обумовила докорінну зміну існуючих парадигм у патології. Високий рівень рецидивів і резистентність до лікування у пацієнтів із меланомою шкіри довели існування нагальної потреби у визначенні надійних онкомаркерів і розробленні нових методів діагностики та лікування для персоналізованих утручань. Тому ключовим елементом стає інтеграція мультимодальних онкологічних даних за допомогою штучного інтелекту та інших передових обчислювальних методів, а визначення ключових генетичних альтерацій, зокрема мутації у гені BRAF, є передумовою для персоналізації лікування пацієнтів. Розроблення прогностичних моделей здійснювалось за трьома етапами: 1) аналіз змінних, асоційованих із наявністю та типом мутації у гені BRAF при меланомі шкіри задля визначення ключових факторів асоційованих із молекулярними характеристиками пухлини; 2) створення предиктивної моделі появи мутації у гені BRAF при меланомі шкіри, що є ключовим фактором при призначенні таргетної терапії; 3) обґрунтування моделі прогнозування динаміки патологічного процесу в пацієнтів; визначення груп високого та низького ризику розвитку рецидиву меланоми шкіри. Виконано процедури клінічної та математичної селекції даних. Для реалізації мети дослідження залишили 485 випадків, серед яких у 299 випадках спостерігалася первина меланома шкіри та в 186 випадках – метастази. Загальна вибірка дослідження включала 299 пацієнтів із меланомою шкіри. Проведено аналіз частоти та структури мутації у гені BRAF при меланомі шкіри (МШ) в українській популяції. Визначено патогістологічні характеристики та клініко-демографічні дані, асоційовані з виявленою та не виявленою при меланомі шкіри мутації у гені BRAF. За допомогою математичного аналізу виявлено, що українська популяція демонструє високий рівень мутації у гені BRAF при МШ, пов’язаний із молодшим віком і локалізацією на шкірі. Виявлено також гендерні відмінності в анатомічному розподілі МШ та поширеності підтипу мутації у гені BRAF. Уперше встановлено 6 ключових показників, що асоційовані з наявністю мутації у гені BRAF, та на їх основі вперше розроблено нейромережеву предикативну модель, що дозволяє оцінити вірогідність молекулярних порушень у гені BRAF. Чутливість нейромережевої моделі – 89,4 %; специфічність – 50,7 %. Площа під кривою операційних характеристик моделі AUCMLP становить 0,79 (95 % ДІ 0,74–0,84), що свідчить про гарну узгодженість моделі прогнозування ризику наявності мутації у гені BRAF на основі 6 відібраних предиктивних показників. Уперше виконано оцінювання прогностичної значущості клініко-демографічних, патогістологічних і молекулярно-генетичних факторів, що впливають на результат перебігу МШ. Мультифакторний класифікатор, заснований на алгоритмах машинного навчання для прогнозування наявності мутації у гені BRAF у первинних і метастатичних МШ, продемонстрував більш високу ефективність при об’єднанні клінічних, гістологічних та епігенетичних даних. Визначено, що найбільший вплив на прогноз розвитку рецидиву МШ мають 5 ознак: стадія, кількість мітозів, наявність лімфоваскулярної та периневральної інвазії, регресія. На основі цих 5 факторних ознак побудовано багатофакторну модель (χ2= 42,9, при 5 ступенях свободи, p<0,01): площа під кривою операційних характеристик AUC = 0,88, що свідчить про сильний зв’язок ризику появи рецидиву МШ. При виборі оптимального порогу моделі Ycrit>0,52 її чутливість склала 86,1 %, специфічність 72,7 %, прогностична значущість позитивної величини PPV = 94,3 %. Розроблена багатофакторна модель дозоляє визначити групу високого ризику розвитку рецидиву злоякісного процесу, а також оптимізувати процес прийняття рішень у пацієнтів із МШ. Застосування однофакторного та багатофакторного регресійного аналізів дозволило визначити незалежні змінні асоційовані з несприятливим прогнозом і підвищенням ризику виникнення рецидиву МШ. Методом генетичного відбору визначено мінімальний набір змінних, пов’язаних із мутацією у гені BRAF. Для виявлення нелінійних зв’язків використовували нелінійне моделювання нейронної мережі. Доведено, що впровадження моніторингу та дотримання стандартних протоколів лікування може допомогти пом’якшити наслідки потенційного рецидиву. Дата реєстрації 2026-04-09 Додано в НРАТ 2026-04-09 Закрити