model Random Forest
Model Random Forest (las losowy) to metoda uczenia maszynowego zaliczana do technik ensemble learning, stosowana w analizie danych medycznych. Łączy wiele drzew decyzyjnych, gdzie każde drzewo jest trenowane na losowo wybranym podzespole danych, a końcowa predykcja jest wynikiem głosowania lub uśrednienia wyników wszystkich drzew.
W medycynie Random Forest zyskał popularność ze względu na wysoką skuteczność w analizie złożonych zbiorów danych klinicznych, genomicznych i obrazowych. Model ten wykazuje odporność na przeuczenie, dobrze radzi sobie z danymi zawierającymi szum oraz efektywnie przetwarza duże ilości zmiennych, co jest szczególnie cenne w diagnostyce, prognozowaniu przebiegu chorób oraz personalizacji terapii.
Zaletą Random Forest w kontekście medycznym jest możliwość oceny ważności poszczególnych cech, co pozwala zidentyfikować kluczowe biomarkery czy czynniki ryzyka. Metoda ta jest stosowana m.in. w radiomice, klasyfikacji obrazów medycznych, przewidywaniu odpowiedzi na leki oraz w analizie danych genetycznych, wspierając medycynę precyzyjną i wspomaganie decyzji klinicznych.
Powiązane wpisy
- Leksykon chorób i schorzeń
Zespół ostrej niewydolności oddechowej – Rokowania, prognozy i postęp choroby
Zespół ostrej niewydolności oddechowej (ARDS) charakteryzuje się wysoką śmiertelnością (35-46%) i wymaga wczesnej, precyzyjnej oceny rokowania w celu optymalizacji terapii i zarządzania zasobami OIT. Najsilniejszymi predyktorami śmiertelności 28-dniowej są indeks oksygenacji (OI), pozanaczyniowa woda płucna (EVLWI) oraz ich kombinacja, która przewyższa tradycyjne skale SOFA i APACHE-II. Średnie ciśnienie tętnicze (MAP) jest kluczowym parametrem dla przewidywania śmiertelności 60-dniowej. Optymalny czas oceny rokowania to pierwsze dwa dni po intubacji, z najlepszą dokładnością prognozy w trzecim dniu od rozpoznania ARDS (AUC 0,84). Wartość OI ≥15 w trzecim dniu koreluje z wyższą śmiertelnością oraz dłuższym czasem wentylacji mechanicznej i hospitalizacji. System APPS, łączący wiek, stosunek PaO2/FiO2 oraz ciśnienie plateau, wykazuje wysoką skuteczność w stratifikacji ryzyka u pacjentów z umiarkowanym i ciężkim ARDS.
Nowoczesne modele uczenia maszynowego, zwłaszcza Random Forest oparte na danych z trzeciego dnia hospitalizacji, poprawiają dokładność predykcji śmiertelności (AUC 0,84) i mogą przewidywać wyniki z ponad 80% dokładnością. Integracja głębokiego uczenia z analizą radiografii klatki piersiowej zwiększa precyzję prognozowania, szczególnie w ARDS związanym z COVID-19. Tradycyjne skale OIT, takie jak SOFA (AUROC 0,651) i APACHE II (AUROC 0,693), wykazują ograniczoną zdolność prognostyczną. Długoterminowe wyniki ARDS są bardziej zależne od chorób współistniejących i wieku niż od ciężkości zespołu. W praktyce klinicznej dokładne prognozowanie wyników ARDS umożliwia lepszy triaż, zarządzanie terapią, optymalizację zasobów oraz selekcję pacjentów do badań klinicznych, podkreślając potrzebę dalszych badań nad precyzyjnymi systemami oceny rokowania.
akcja serca, albumina, biomarker, choroba wątroby, ciśnienie plateau, definicja berlińska, model Random Forest, model regresji logistycznej, płytki krwi, pozanaczyniowa woda płucna, protekcyjna wentylacja mechaniczna, przepuszczalność naczyń płucnych, skala APACHE II, skala APPS, skala LIPS, skala prognostyczna, skala SOFA, śmiertelność, średnie ciśnienie tętnicze, stłuczenie płuca, stosunek PaO2/FiO2, stratyfikacja ryzyka, uszkodzenie płuc, wentylacja mechaniczna, wodorowęglan, zespół ostrej niewydolności oddechowej - Leksykon chorób i schorzeń
Małopłytkowość – Rokowania, prognozy i postęp choroby
Małopłytkowość (trombocytopenia) jest istotnym markerem prognostycznym w opiece nad pacjentami na oddziałach intensywnej terapii (OIT), niezależnie od innych wskaźników ciężkości choroby. Zarówno niski nadir liczby płytek, jak i ich znaczący spadek korelują z gorszymi wynikami leczenia, w tym wyższą śmiertelnością (HR=1,45; 95% CI: 1,36-1,56). Szczególnie w sepsie małopłytkowość wiąże się z wyższym ryzykiem ostrego uszkodzenia nerek (44,1% vs. 29,5%, P<0,01), dłuższym czasem stosowania leków wazopresyjnych (mediana 37 vs. 23 h, P<0,01) oraz wydłużonym pobytem na OIT (mediana 3,1 vs. 2,1 dni, P<0,01). Brak ustąpienia małopłytkowości jest silnie związany ze zwiększoną 28-dniową śmiertelnością (48,2% vs. 38,5%, P<0,01), co pozostaje istotne po korekcie o wiek, wynik APACHE III i protokół resuscytacji. U pacjentów geriatrycznych po operacjach małopłytkowość występuje u 18,2% i koreluje z ciężkością choroby, wyższą śmiertelnością oraz dłuższym pobytem w szpitalu. W pediatrii, trombokryt i liczba płytek są czułymi wskaźnikami prognostycznymi, przewyższającymi nawet skalę PRISM i CRP.
azot mocznikowy we krwi, całkowite przeżycie, choroba autoimmunologiczna, choroba naczyniowo-mózgowa, ciągła terapia nerkozastępcza, ciężka małopłytkowość, czas częściowej tromboplastyny, czas protrombinowy, immunologiczna małopłytkowość, lek wazopresyjny, małopłytkowość, model Random Forest, nomogram prognostyczny, nowotwór złośliwy, oddział intensywnej terapii, ostre uszkodzenie nerek, pacjent geriatryczny, płytka krwi, saturacja tlenu, sepsa, skala PRISM, średnia objętość płytek, stratyfikacja ryzyka, trombocytoza, trombokryt, wskaźnik śmiertelności - Leksykon chorób i schorzeń
Odra – Rokowania, prognozy i postęp choroby
Odra jest wysoce zakaźną chorobą wirusową, której śmiertelność w USA wynosi 0,1-0,2% u dzieci, natomiast globalnie w 2023 roku odnotowano około 107 500 zgonów, głównie wśród dzieci poniżej 5 roku życia. Powikłania takie jak krup, zapalenie mózgu (10% śmiertelności) i zapalenie płuc są głównymi przyczynami zgonów. Wartość białka C-reaktywnego (CRP) ≥2 mg/dl jest istotnym markerem ryzyka powikłań (OR 2,0) i ciężkiego przebiegu (OR 4,13). Diagnostyka kliniczna opiera się na kombinacji gorączki, wysypki plamisto-grudkowej i hiperpigmentowanej, z czułością do 90,7% i swoistością 28,6%. Modele uczenia maszynowego, zwłaszcza Random Forest, wykazują wysoką skuteczność diagnostyczną (czułość 0,88, swoistość 0,96, AUC 0,92), co może wspomagać wczesne rozpoznanie.
białko C-reaktywne, choroba ośrodkowego układu nerwowego, choroba zakaźna, gruźlica, immunoglobulina, krup, model Random Forest, niedobór odporności, niedobór witaminy A, nieżyt nosa, nowotwór układu limfatycznego, podostre stwardniające zapalenie mózgu, profilaktyka poekspozycyjna, suplementacja witaminy A, supresja immunologiczna, szczepionka MMR, uczenie maszynowe, wartość predykcyjna dodatnia, wartość predykcyjna ujemna, wtórne zakażenie bakteryjne, wysypka plamisto-grudkowa, zaburzenie odporności, zakażenie HIV, zapalenie mózgu, zapalenie płuc - Leksykon chorób i schorzeń
Zakrzepica żył głębokich – Rokowania, prognozy i postęp choroby
Zakrzepica żył głębokich (DVT) jest poważnym schorzeniem, którego rokowanie zależy od wielu czynników, w tym historii żylaków, obustronnej lokalizacji zakrzepicy oraz czasu stosowania terapii przeciwzakrzepowej. Zespół pozakrzepowy (PTS) występuje u około 54,1% pacjentów z DVT, a jego rozwój jest szczególnie częsty w ciągu pierwszych 2 lat od incydentu, obniżając jakość życia na poziomie porównywalnym z przewlekłymi chorobami takimi jak cukrzyca czy niewydolność serca. COVID-19 znacząco zwiększa ryzyko nasilenia DVT (HR: 2,311; P=0,0018), zwłaszcza u pacjentów po standardowej trzymiesięcznej terapii przeciwzakrzepowej (HR: 5,667; P=0,0001), co wskazuje na konieczność przedłużonego leczenia przeciwzakrzepowego w tej grupie. U pacjentów onkologicznych, szczególnie z zaawansowanym niedrobnokomórkowym rakiem płuca, częstość DVT wynosi 4-17%, a profilaktyka antykoagulacyjna jest zalecana w celu poprawy przeżywalności i zmniejszenia ryzyka VTE.
antykoagulant, badanie ultrasonograficzne, chemioterapia, cukrzyca, lek przeciwzakrzepowy, model Random Forest, niedrobnokomórkowy rak płuca, niewydolność serca, obraz USG, podstawowa opieka zdrowotna, pończochy uciskowe, przewlekła niewydolność żylna, przewlekła obturacyjna choroba płuc, reguła predykcji klinicznej, terapia przeciwzakrzepowa, zakrzepica żył głębokich, zatorowość płucna, zespół pozakrzepowy, żylaki, żylna choroba zakrzepowo-zatorowa - Leksykon chorób i schorzeń
Rotawirus – Rokowania, prognozy i postęp choroby
Rokowanie zakażenia rotawirusem u dzieci poniżej 5. roku życia zależy od wieku, stanu odżywienia, dostępu do opieki zdrowotnej oraz wyszczepialności. Rotawirus jest główną przyczyną ciężkiej biegunki odwodnieniowej, prowadzącej do hospitalizacji i zgonów, zwłaszcza u najmłodszych pacjentów. Sezonowość zakażeń jest powiązana z warunkami klimatycznymi – np. w Azji Południowej wzrost zakażeń o 1,3% obserwuje się przy spadku temperatury o 1°C i o 0,3% przy zmniejszeniu opadów o 10 mm. Wprowadzenie szczepień znacząco poprawiło rokowanie, przewidując redukcję zgonów o około 50% do 2034 roku w krajach o wysokim obciążeniu chorobą (około 105 000 unikniętych zgonów rocznie). Skuteczność szczepionek w badaniach w Wietnamie wynosiła od 31,5% do 49,7% w zależności od efektywności szczepionki (55–85%) i poziomu wyszczepialności (85%). Efekty pośrednie szczepień zwiększają ich całkowity wpływ, szczególnie w krajach o niskim wskaźniku urodzeń i wysokiej śmiertelności dzieci poniżej 5 lat.
czynnik ryzyka, DALY, immunogenność szczepionki, infekcja rotawirusowa, model Random Forest, odwodnienie, ostre zapalenie żołądka i jelit, program profilaktyczny, rotawirus, serokonwersja, sezonowość choroby, szczepionka przeciwko rotawirusom, uczenie maszynowe, wyszczepialność, XGBoost, zakażenie rotawirusem, zapalenie żołądka i jelit rotawirusowe - Leksykon chorób i schorzeń
Wirusowe zapalenie wątroby typu b – Rokowania, prognozy i postęp choroby
Przewlekłe zakażenie wirusem zapalenia wątroby typu B (HBV) charakteryzuje się złożonym przebiegiem klinicznym, obejmującym fazy immunotolerancji, oczyszczania immunologicznego oraz możliwe przejście do marskości i raka wątrobowokomórkowego (HCC). Kluczowymi czynnikami prognostycznymi są m.in. stężenie HBV DNA (powyżej 10⁴ kopii/ml wiąże się ze zwiększoną śmiertelnością), obecność antygenu e (HBeAg), wiek pacjenta, oraz stopień zaawansowania choroby wątroby. Modele prognostyczne, takie jak HITAS, HBV-ACLFD, COSSH-ACLFs oraz klasyczne skale MELD i CTP, wykazują różną skuteczność w przewidywaniu krótkoterminowej śmiertelności u pacjentów z ostrą niewydolnością wątroby na tle HBV (ACLF), z AUROC sięgającym nawet 0,89 dla COSSH-ACLFs. W terapii celem jest maksymalne obniżenie wiremii do poziomu poniżej 10³-10⁴ kopii/ml, co koreluje z lepszym rokowaniem i zmniejszeniem ryzyka progresji do marskości i HCC.
alfa-fetoproteina, aminotransferaza alaninowa, antygen HBe, antygen HBs, antygen rdzeniowy HBV, bliznowacenie wątroby, czas protrombinowy, dekompensacja wątroby, encefalopatia wątrobowa, HBV DNA, interleukina-6, marskość wątroby, model Random Forest, przeciwciała anty-HBe, przeszczep wątroby, rak wątrobowokomórkowy, resekcja chirurgiczna, skala Child-Turcotte-Pugh, skala MELD, skala MELD-Na, wirusowe zapalenie wątroby typu B, zespół ogólnoustrojowej reakcji zapalnej - Leksykon chorób i schorzeń
Choroby zakaźne – Rokowania, prognozy i postęp choroby
Prognozowanie przebiegu chorób zakaźnych jest kluczowe dla optymalizacji leczenia i alokacji zasobów w opiece zdrowotnej, jednak napotyka na liczne wyzwania, takie jak heterogeniczność chorób, zmienność reakcji pacjentów oraz opóźnienia w raportowaniu przypadków. Tradycyjne metody prognostyczne, oparte na skalach klinicznych i biomarkerach (np. prokalcytonina w sepsie, D-dimer, IL-6, ferrytyna i CRP w COVID-19), są uzupełniane przez zaawansowane modele uczenia maszynowego, takie jak random forest z dokładnością 97% w przewidywaniu ciężkiego przebiegu COVID-19 czy modele DNN i LSTM przewyższające klasyczne ARIMA. Transfer learning, jak w metodologii TransMED, poprawia predykcję u pacjentów z COVID-19 o 12,9% i 10,3% w AUROC, wykorzystując dane z chorób układu oddechowego. Systematyczne przeglądy wykazały jednak, że większość modeli prognostycznych COVID-19 (90% z 593 modeli) cechuje wysokie ryzyko błędu, a tylko nieliczne, takie jak Qcovid, PRIEST i ISARIC 4C Deterioration, mają niskie ryzyko błędu i są rekomendowane do dalszej walidacji.
białko C-reaktywne, biomarker, choroby układu sercowo-naczyniowego, ciśnienie krwi, D-dimer, ferrytyna, głęboka sieć neuronowa, gorączka denga, gorączka krwotoczna denga, grypa, IL-6, intubacja, małopłytkowość, model Random Forest, niewydolność narządów, niewydolność wielonarządowa, prokalcytonina, sepsa, stosunek PaO2/FiO2, troponina T, zapalenie oskrzeli, zespół ostrej niewydolności oddechowej, zespół wstrząsu denga - Leksykon chorób i schorzeń
Krwiak wewnątrzczaszkowy – Rokowania, prognozy i postęp choroby
Krwiak wewnątrzczaszkowy, zwłaszcza samoistny krwiak śródmózgowy (sICH), charakteryzuje się wysoką śmiertelnością (około 40% w pierwszym miesiącu i 54% po roku) oraz niskim odsetkiem długoterminowej niezależności funkcjonalnej (<40%). Rokowanie zależy od wieku pacjenta, lokalizacji krwiaka (szczególnie głębokie ICH), objętości krwiaka (każdy wzrost o 1 ml zwiększa ryzyko zgonu lub niepełnosprawności o 5%), stopnia przemieszczenia struktur linii środkowej (MLS) oraz skali Glasgow (GCS) przy przyjęciu. Ekspansja krwiaka (HE), występująca u około 33% pacjentów, jest silnym, potencjalnie modyfikowalnym czynnikiem ryzyka pogorszenia stanu neurologicznego i złego rokowania, definiowanym różnie w literaturze (np. wzrost objętości o 40% lub 12,6 ml). Modele prognostyczne oparte na uczeniu maszynowym, integrujące cechy kliniczne i radiomiczne, osiągają wysokie wartości AUC (do 0,916 w modelu Random Forest), co wskazuje na ich przewagę nad tradycyjnymi skalami.
cechy radiomiczne, dysfunkcja neurologiczna, krwiak wewnątrzczaszkowy, krzywa ROC, model Random Forest, objętość krwiaka, obrzęk mózgu, przemieszczenie linii środkowej, przewlekły krwiak podtwardówkowy, skala Glasgow, skala jakości życia, śmiertelność, stan kliniczny, stratyfikacja ryzyka, tomografia komputerowa bez kontrastu, uczenie maszynowe - Leksykon chorób i schorzeń
Keratitis – Rokowania, prognozy i postęp choroby
Zapalenie rogówki, zwłaszcza bakteryjne (BK), stanowi istotne zagrożenie dla widzenia, a kluczowymi czynnikami prognostycznymi złego wyniku (CDVA ≥0,6 logMAR) są: wiek pacjenta ≥50 lat, wielkość nacieku ≥3 mm, centralne umiejscowienie owrzodzenia oraz niska ostrość wzroku przy prezentacji (≥0,6 logMAR). Opóźnione gojenie (>30 dni) koreluje z tymi samymi czynnikami. Modele uczenia maszynowego, takie jak Random Forest, osiągają wysoką dokładność (AUC 95%, błąd klasyfikacji 9%) w przewidywaniu upośledzenia widzenia po 90 dniach, uwzględniając m.in. wyjściową ostrość wzroku, wiek, historię przeszczepu rogówki i stosowanie opatrunkowych soczewek kontaktowych. W diagnostyce i prognozowaniu istotną rolę odgrywają algorytmy głębokiego uczenia, które na podstawie obrazów z lampy szczelinowej identyfikują etiologię z dokładnością 90,7-97,9% (bakterie, grzyby, Acanthamoeba, HSV), przewyższającą tradycyjną ocenę oftalmologiczną.
acanthamoeba, algorytm głębokiego uczenia, bakteria, bakteryjne zapalenie rogówki, bliznowacenie rogówki, grzyb, grzybicze zapalenie rogówki, hodowla mikrobiologiczna, infekcyjne zapalenie rogówki, jaskra, krzywa ROC, lampa szczelinowa, model Random Forest, naciek zapalny, owrzodzenie rogówki, przeszczep rogówki, ślepota rogówkowa, uczenie maszynowe, upośledzenie widzenia, wirus HSV, wirus opryszczki, zakażenie grzybicze, zapalenie rogówki - Leksykon chorób i schorzeń
Zakażenie clostridioides difficile – Rokowania, prognozy i postęp choroby
Zakażenie Clostridioides difficile (CDI) jest istotnym problemem klinicznym, szczególnie u pacjentów powyżej 60. roku życia, u których 90-dniowa śmiertelność wynosi około 28%, a w grupie z zespołem kruchości sięga nawet 51%. Wskaźniki śmiertelności zależą od wieku, obecności chorób współistniejących, ciężkości choroby oraz czynników takich jak niski poziom albuminy, nosicielstwo toksynotwórczego szczepu, czy zakażenie rybotypem 027. Wskaźnik ryzyka dla leczenia karbapenemami wynosi 5,3 (95% CI 1,7-16,6), a dla nosicielstwa toksynotwórczego C. difficile 10,3 (95% CI 3,2-33,1). Wartości CT w testach tgNAAT są istotnym markerem ciężkości infekcji (mediana CT u zmarłych 25,5 vs 27,5 u przeżyłych, p=0,021). Mikrobiom jelitowy, zwłaszcza wysoka względna obfitość Enterococcus spp. i niski wskaźnik różnorodności alfa Shannona, również koreluje z gorszym rokowaniem (współczynniki ryzyka odpowiednio 5,4 i 9,7). W warunkach OIT częstość CDI wynosi 0,44%, a wczesne rozpoznanie i leczenie są kluczowe dla zmniejszenia śmiertelności, mimo że samo CDI nabyte na OIT nie jest niezależnym czynnikiem ryzyka po uwzględnieniu zmiennych zakłócających.
algorytm uczenia maszynowego, antybiotyk o szerokim spektrum, bezobjawowa kolonizacja, biegunka związana z antybiotykami, biegunka związana z opieką zdrowotną, fidaksomycyna, hipoalbuminemia, immunoglobulina, karbapenemy, metronidazol dożylny, mikrobiom jelitowy, model Random Forest, niepowodzenie leczenia, nosicielstwo C. difficile, oddział intensywnej terapii, przeszczepienie mikrobioty kałowej, rybotyp 027, skala SOFA, test amplifikacji kwasów nukleinowych, tygecyklina, uczenie maszynowe, wankomycyna, wartość Ct, zakażenie Clostridioides difficile, zespół kruchości