Специалисты из Университетской клиники Гента и Гентского университета (Бельгия) провели клиническое исследование c целью постановки диагноза на основе применения алгоритма машинного обучения. В исследование был включен 121 пациент: 81 пациент с мигренью и 40 пациентов с кластерной головной болью. Пациенты предоставляли сведения о своем самочувствии в электронном виде (тексты-описания), после чего полученная информация использовалась в качестве входных данных для машинного обучения. Был применен метод перекрестной проверки: массив данных разбивали на заранее определенное количество сегментов, которые затем последовательно использовали для обучения и тестирования. При сравнении производительности трех методов для бинарной классификации – простого вероятностного классификатора, основанного на применении теоремы Байеса (NB), метода опорных векторов (SVM) и логистической регрессии (LR) – наилучшие результаты показали SVM и LR.

Лексический анализ полных текстов позволил разделить наиболее часто употребляемые слова, описывающие мигрень и кластерную головную боль. Лексический анализ настроения пациентов показал, что пациенты с кластерной головной болью были в 85% случаев в отрицательном настроении (34/40) и в 15% случаев в положительном настроении (6/40). При описании мигрени пациенты были в 86% случаев в отрицательном настроении (70/81) и в 14% случаев в положительном настроении (11/81).

Авторам удалось идентифицировать лексические паттерны, позволяющие провести достоверную дифференциальную диагностику между двумя нозологиями. Благодаря этому у клиницистов появятся дополнительные основания для постановки диагноза.

Первоисточник:
Vandenbussche N, Van Hee C, Hoste V, Paemeleire K., Using natural language processing to automatically classify written self-reported narratives by patients with migraine or cluster headache., The Journal of Headache and Pain, № 23(1), стр. 129/DOI: 10.1186/ s10194-022-01490-0