Конечные цели проведенных исследований состояли в оценке эффективности методов ПЭТ/КТ (рентгенографии с контрастированием) при раке головы и шеи и определении целесообразности применения ИИ для прогнозирования развития плоскоклеточного рака языка и рецидива плоскоклеточного рака головы и шеи. Ответы на поставленные вопросы были получены в ходе четырех исследований.
Автор провел сравнение результатов ПЭТ/КТ, панэндоскопии с биопсией и тонкоигольной аспирационной биопсии под контролем УЗИ с последующим цитологическим исследованием у пациентов с подозрением на рак головы и шеи в период с 2014 по 2016 годы. Проведен анализ клинических, геномных, транскриптомных и протеомных маркеров риска рецидива. В образцах крови, взятых у здоровых людей, определяли показатели белков, служащих маркерами воспаления и (или) опухолевых процессов. Для определения наиболее оптимального ML-алгоритма для отбора характерных признаков использовали подход SHAP, в основе которого лежит вектор Шепли (SHapley Additive Explanations). Модели прогнозирования строили с помощью таких ML-алгоритмов, как AdaBoost, искусственные нейронные сети, дерево решений, XGBoost и метод опорных векторов (SVM). Для анализа клинических данных пациентов применяли ряд статистических и ML-методов.
