Искусственный интеллект в прогнозировании степени риска развития ожирения у детей

Обложка

Цитировать

Полный текст

Аннотация

Цель – поиск эффективных методов выявления и профилактики ожирения в более раннем возрасте.

Материал и методы. С помощью искусственных нейронных сетей (ИНС), пакета прикладных программ Statistica Neural Networks обработан массив данных, включающий факторы, влияющие на ожирение детей. Использованы клинические наблюдения, полученные в результате лечения 30 пациентов. Обучена нейронная сеть, позволяющая прогнозировать степень риска развития ожирения у детей в зависимости от значений выбранных параметров: стандартное отклонение индекса массы тела от нормы, пол, возраст, ожирение у родителей, масса тела при рождении, длительность грудного вскармливания, отклонение содержания жировой ткани в организме от нормы, отклонение калорийности питания от рекомендуемых значений.

Результаты. После обучения выбрана нейронная сеть MLP-8-7-1 с высокими коэффициентами детерминации 0,999999; 0,999407; 0,984930 для обучающей, тестовой и контрольной выборок соответственно. Это свидетельствует о высокой производительности обученной ИНС, адекватность которой проверяли графическим методом, строя гистограмму остатков – разности введенных и полученных сетью значений степени риска развития ожирения у детей.

Вывод. Обученная нейронная сеть может быть применена для прогнозирования степени риска развития ожирения у детей и разработки необходимых профилактических мероприятий у пациентов из групп риска.

Об авторах

Тимофей В. Чубаров

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Email: chubarov25@yandex.ru
ORCID iD: 0000-0002-1352-7026

канд. мед. наук, главный врач Воронежской детской клинической больницы, директор эндокринологического центра

Россия, Воронеж

Ольга А. Жданова

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Email: olga.vr9@yandex.ru
ORCID iD: 0000-0002-3917-0395

д-р мед. наук, доцент кафедры клинической фармакологии

Россия, Воронеж

Ольга Г. Шаршова

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Email: genvgma@yandex.ru
ORCID iD: 0000-0003-0412-7853

заведующая отделением эндокринологии Воронежской детской клинической больницы

Россия, Воронеж

Мария В. Патрицкая

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Email: doctorpatrikUZD@yandex.ru
ORCID iD: 0000-0002-4498-0130

врач ультразвуковой диагностики Воронежской детской клинической больницы

Россия, Воронеж

Ольга Г. Галда

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Email: galda.ol@yandex.ru
ORCID iD: 0000-0003-2891-0906

студентка 6 курса

Россия, Воронеж

Кенан С. Нифталиев

ФГБОУ ВО «Воронежский государственный медицинский университет им. Н.Н. Бурденко» Минздрава России

Автор, ответственный за переписку.
Email: niftaliev.s@yandex.ru
ORCID iD: 0000-0002-6996-4188

студент 4 курса

Россия, Воронеж

Список литературы

  1. Peterkova VA, Bezlepkina OB, Bolotova NV, et al. Clinical guidelines “Obesity in children”. Problems of Endocrinology. 2021;67(5):67-83. (In Russ.). [Петеркова В.А., Безлепкина О.Б., Болотова Н.В., и др. Клинические рекомендации «Ожирение у детей». Проблемы эндокринологии. 2021;67(5):67-83]. doi: 10.14341/probl12802
  2. Adiyeva MK, Aukenov NE, Kazymov MS. Prevalence and risk factors of obesity among adolescents. Science & Healthcare. 2021;1(23):21-29. (In Russ.). [Адиева М.К., Аукенов Н.Е., Казымов М.С. Распространенность и факторы риска ожирения среди подростков. Наука и здравоохранение. 2021;1(23):21-29]. doi: 10.34689/SH.2021.23.1.003
  3. Dakhkilgova KhT. Childhood obesity: the current state of the problem. Pediatric Nutrition. 2019;17(5):47-53. (In Russ.). [Дахкильгова Х.Т. Детское ожирение: современное состояние проблемы. Вопросы детской диетологии. 2019;17(5):47-53]. doi: 10.20953/1727-5784-2019-5-47-53
  4. United Nations Children’s Fund (UNICEF), World Health Organization, International Bank for Reconstruction and Development/The World Bank. Levels and trends in child malnutrition: Key Findings of the 2020 Edition of the Joint Child Malnutrition Estimates. Geneva: World Health Organization; 2020. Licence: CC BY-NC-SA 3.0 IGO.
  5. Posokhova NV, Bolotova NV. Obesity as a forming factor of arterial hypertension in children and adolescents. Pediatrics named after G.N. Speransky. 2015;94(5):127-131. (In Russ.). [Посохова Н.В., Болотова Н.В. Ожирение как фактор формирования артериальной гипертензии у детей и подростков. Педиатрия. Журнал им. Г.Н. Сперанского. 2015;94(5):127-131].
  6. Bokova TA. Lipid profile of obese children with metabolic syndrome. Experimental and Clinical Gastroenterology. 2021;1(1):75-81. (In Russ.). [Бокова Т.А. Липидный профиль детей с ожирением и метаболическим синдромом. Экспериментальная и клиническая гастроэнтерология. 2021;1(1):75-81]. doi: 10.31146/1682-8658-ecg-185-1-75-81
  7. Kostrova GN, Malyavskaya SI, Lebedev AV. Vitamin D deficiency and carbohydrate metabolism in obese children and adolescents. Problems of Nutrition. 2021;90(1):57-64. (In Russ.). [Кострова Г.Н., Малявская С.И., Лебедев А.В. Недостаточность витамина D и параметры углеводного обмена у детей и подростков с ожирением. Вопросы питания. 2021;90(1):57-64]. doi: 10.33029/0042-8833-2021-90-1-57-64
  8. Ding W, Cheung WW, Mak RH. Impact of obesity on kidney function and blood pressure in children. World J Nephrol. 2015;4(2):223-229. doi: 10.5527/wjn.v4.i2.223
  9. Kelishadi R, Roufarshbaf M, Soheili S, et al. Association of Childhood Obesity and the Immune System: A Systematic Review of Reviews. Child Obes. 2017;13(4):332-346. doi: 10.1089/chi.2016.0176
  10. Razina AО, Runenko SD, Achkasov EЕ. Obesity: Current Global and Russian Trends. Annals of the Russian Academy of Medical Sciences. 2016;71(2):154-159. (In Russ.). [Разина А.О., Руненко С.Д., Ачкасов Е.Е. Проблема ожирения: современные тенденции в России и в мире. Вестник РАМН. 2016;71(2):154-159]. doi: 10.15690/vramn655
  11. Inchley J, Currie D, Budisavljevic S, et al. Spotlight on adolescent health and well-being. Findings from the 2017/2018 Health Behaviour in School-aged Children (HBSC) survey in Europe and Canada. International report. Volume 1. Key findings. Copenhagen: WHO Regional Office for Europe; 2020. Licence: CC BY-NC-SA 3.0 IGO.
  12. Kon IYa, Volkova LYu, Korosteleva MM, et al. Incidence of obesity in children of preschool and school age in the Russian Federation. Voprosy detskoj dietologii. 2011;9(4):5-8. (In Russ.). [Конь И.Я., Волкова Л.Ю., Коростелева М.М., и др. Распространенность ожирения у детей дошкольного и школьного возраста в Российской Федерации. Вопросы детской диетологии. 2011;9(4):5-8]. doi: 10.20953/1727-5784-2011-4-5-8
  13. Weihrauch-Blüher S, Wiegand S. Risk Factors and Implications of Childhood Obesity. Curr Obes Rep. 2018;7:254-259. doi: 10.1007/s13679-018-0320-0
  14. Martínez-Villanueva J, González-Leal R, Argente J, Martos-Moreno GÁ. Parental obesity is associated with the severity of childhood obesity and its comorbidities. An Pediatr. 2019;90(4):224-231. doi: 10.1016/j.anpedi.2018.06.013
  15. Zou Z, Yang Z, Yang Z, et al. Association of high birth weight with overweight and obesity in Chinese students aged 6-18 years: a national, cross-sectional study in China. BMJ Open. 2019;9:e024532. doi: 10.1136/bmjopen-2018-024532
  16. Rito AI, Buoncristiano M, Spinelli A, et al. Association between Characteristics at Birth, Breastfeeding and Obesity in 22 Countries: The WHO European Childhood Obesity Surveillance Initiative – COSI 2015/2017. Obes Facts. 2019;12:226-243. doi: 10.1159/000500425
  17. Lee JW, Lee M, Lee J, et al. The Protective Effect of Exclusive Breastfeeding on Overweight/Obesity in Children with High Birth Weight. J Korean Med Sci. 2019;34(10):e85. doi: 10.3346/jkms.2019.34.e85
  18. Wallby T, Lagerberg D, Magnusson M. Relationship Between Breastfeeding and Early Childhood Obesity: Results of a Prospective Longitudinal Study from Birth to 4 Years. Breastfeed Med. 2017;12:48-53. doi: 10.1089/bfm.2016.0124
  19. Arenz S, Rückerl R, Koletzko B. Breast-feeding and childhood obesity - a systematic review. Int J Obes. 2004; 28:1247-1256. doi: 10.1038/sj.ijo.0802758
  20. Brenner BM, Chertow GM. Congenital oligonephropathy: an inborn cause of adult hypertension and progressive renal injury? Curr Opin Nephrol Hypertens. 1993;2(5):691-5. PMID: 7922212
  21. Yacim JA, Boshoff DGB. Impact of Artificial Neural Networks Training Algorithms on Accurate Prediction of Property Values. Journal of Real Estate Research. 2018;40(3):375-418. doi: 10.1080/10835547.2018.12091505
  22. Energy and protein requirements. Report of a joint FAO/WHO/UNU Expert Consultation. World Health Organ Tech Rep Ser. 1985;724:1-206. PMID: 3937340
  23. Kovtun OP, Ustyuzhanina MA. A method for predicting the risk of developing obesity in childhood. 2019. Patent RU 2696446 C1. (In Russ.). [Ковтун О.П., Устюжанина М.А. Способ прогнозирования риска развития ожирения в детском возрасте. 2019. Патент RU 2696446 C1].
  24. Anufriyeva EV, Shershnev VN, Kovtun OP. Classification trees for predicting obesity in school-aged children. Profilakticheskaya medicina. 2021;24(7):30-36. (In Russ.). [Ануфриева Е.В., Шершнев В.Н., Ковтун О.П. Деревья классификации как метод прогнозирования ожирения у детей школьного возраста. Профилактическая медицина. 2021;24(7):30-36]. doi: 10.17116/profmed20212407130
  25. Walley AJ, Blakemore AIF, Froguel Ph. Genetics of obesity and the prediction of risk for health. Human molecular genetics. 15. 2006;2:124-130. doi: 10.1093/hmg/ddl215
  26. Simmonds M, Burch J, Llewellyn A, et al. The use of measures of obesity in childhood for predicting obesity and the development of obesity-related diseases in adulthood: a systematic review and meta-analysis. Health technology assessment. 2015;19(43):1-336. doi: 10.3310/hta19430
  27. Seral-Cortes M, Sabroso-Lasa S, Miguel-Etayo D, et al. Development of a Genetic Risk Score to predict the risk of overweight and obesity in European adolescents from the HELENA study. Scientific reports. 2021;11(1):1-11. doi: 10.1038/s41598-021-82712-4
  28. Saito M, Okamatsu-Ogura Y, Matsushita M, et al. High incidence of metabolically active brown adipose tissue in healthy adult humans: effects of cold exposure and adiposity. Diabetes. 2009;58(7):1526-1531. doi: 10.2337/db09-0530
  29. Kartelishev AV. Issues of early diagnosis of children's predisposition to constitutional-exogenous obesity. Pediatrics named after G.N. Speransky. 2006;85(4):7-10. (In Russ.). [Картелишев А.В. Вопросы ранней диагностики предрасположенности детей к конституционально-экзогенному ожирению. Педиатрия. Журнал им. Г.Н. Сперанского. 2006; 85(4):7-10].

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Табл.1

Скачать (155KB)
Метаданные
3. Табл.2

Скачать (163KB)
Метаданные
4. Рисунок 1. Гистограмма зависимости остатков от числа наблюдений.

Скачать (133KB)
Метаданные
5. Рисунок 2. Поверхность отклика степени риска развития ожирения от попарного влияния факторов: а) SDS ИМТ и возраст, лет; б) SDS ИМТ и ожирение у родителей; в) SDS ИМТ и вес при рождении, г; г) SDS ИМТ и длительность грудного вскармливания, мес.; д) SDS ИМТ и калорийность питания, % отклонения; е) ожирение у родителей и калорийность питания, % отклонения; ж) % отклонения жировой ткани и вес, г; з)% отклонения жировой ткани и длительность грудного вскармливания, мес.

Скачать (2MB)
Метаданные
6. Табл.3

Скачать (159KB)
Метаданные
7. Табл.4

Скачать (232KB)
Метаданные

© Чубаров Т.В., Жданова О.А., Шаршова О.Г., Патрицкая М.В., Галда О.Г., Нифталиев К.С., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».