Биоинформационные методы прогнозирования эмоционального состояния у женщин с раком молочной железы

Введение. Рак молочной железы является одной из наиболее распространенных онкологических патологий среди женщин во всем мире. По данным Всемирной организации здравоохранения, ежегодно регистрируется более 2 миллионов новых случаев заболевания, что делает его серьезной проблемой здравоохранения. Помимо физических последствий, рак молочной железы оказывает значительное влияние на психологическое состояние пациенток, вы зывая стресс, тревожность, депрессию и снижение качества жизни. По данным исследователей, психологические реакции на болезнь могут варьироваться в зависимости от стадии заболевания, методов лечения, индивидуальных особенностей личности и социальной поддержки [2; 4].

Изучение эмоционального состояния пациенток важно не только для понимания влияния болезни на психику, но и для разработки эффективных стра-

Елецкий государственный университет имени И.А. Бунина

тегий психологической поддержки и адаптации. Эмоциональные нарушения могут снижать результативность лечения, увеличивать риск осложнений и замедлять восстановление, что подчеркивает необходимость комплексного подхода к наблюдению за пациентками.

Современные биоинформационные подходы предоставляют уникальные возможности для интеграции и анализа больших объемов данных, включая клинические, психологические и физиологические показатели. По данным А.В. Хачатурян, D. Mitsi, I.V. Papathanasiou, K. Tsaras, математические модели, алгоритмы машинного обучения и системы поддержки принятия решений позволяют выявлять скрытые зависимости между различными параметрами, прогнозировать динамику эмоционального состояния и формировать индивидуальные рекомендации по психологической поддержке [3; 5].

В психоонкологии наблюдается растущий интерес к использованию биоинформационных методов, поскольку традиционные подходы зачастую ограничены субъективной оценкой состояния пациентов [6]. Применение объективных физиологических данных, таких как вариабельность сердечного ритма, уровень кортизола, показатели сна и активности в сочетании с психологическими опросниками, создает более полное представление о состоянии пациентки и позволяет точнее прогнозировать риски эмоциональных нарушений [7]. Проведение исследований в области биоинформационного прогнозирования психологического состояния онкобольных является актуальной задачей современной медицины и психологии, поскольку позволяет не только улучшить качество жизни пациентов, но и оптимизировать психологическую помощь, делая ее более персонализированной и эффективной.

Таким образом, актуальность проводимого нами исследования обусловлена высокой социально-медицинской значимостью рака молочной железы – одного из самых распространённых онкологических заболеваний у женщин (свыше 2 млн новых случаев ежегодно по данным ВОЗ). Помимо тяжелых физических последствий, болезнь провоцирует выраженные психоэмоциональные нарушения – тревожность, депрессию, снижение качества жизни, – которые могут негативно влиять на качество лечения и скорость реабилитации.

В этой связи критически важно разработать объективные инструменты прогнозирования эмоционального состояния пациенток. Современные биоинфор-мационные методы (математическое моделирование, машинное обучение) позволяют интегрировать клинические, психологические и физиологические данные, выявляя скрытые взаимосвязи и формируя персонализированные рекомендации [1]. Это открывает возможности для своевременной психологической поддержки и повышения эффективности комплексной терапии.

Целью настоящего исследования является разработка и апробация биоинформационных методов прогнозирования эмоционального состояния у женщин с раком молочной железы.

Задачи исследования:

• •    анализ взаимосвязей между психологическими и физиологическими показателями у пациенток;

• •    применение математических моделей и алгоритмов машинного обучения для прогнозирования уровня тревожности и депрессии;

• •    разработку системы поддержки принятия решений, интегрирующей данные различных источников, для формирования индивидуальных рекомендаций;

• •    оценка ее эффективности для осуществления психологической поддержки.

Научная значимость исследования заключается в демонстрации возможности использования комплексных биоинформационных подходов для прогнозирования эмоционального состояния онкобольных, открывающих новые направления исследований в области психоонкологии и биоинформатики.

Организация исследования. Сроки проведения исследования: с 01.09.2023 по 31.12.2023.

База исследования: Тульский областной клинический онкологический диспансер».

Контингент исследования. Исследование проводилось на выборке из 60 женщин с подтвержденным диагнозом рак молочной железы, возраст 35–65 лет, средний возраст около 50 лет. Критериями включения в группу испытуемых были: подтвержденный диагноз, отсутствие сопутствующих психических расстройств и согласие на участие в исследовании.

Методы сбора данных. Эмоциональное состояние изучалось с помощью стандартизированных психо-

БИОИНФОРМАЦИОННЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ ЭМОЦИОНАЛЬНОГО СОСТОЯНИЯ У ЖЕНЩИН С РАКОМ МОЛОЧНОЙ ЖЕЛЕЗЫ логических опросников: шкалы М. Гамильтона для оценки тяжести депрессии (HDRS/HAM-D) и тревоги (HAM-A), анкеты оценки качества жизни EORTC QLQ-C30 и физиологических показателей (интервалы R-R и вариабельность сердечного ритма, уровень кортизола в слюне).

Математические модели и методы анализа данных. Для прогнозирования эмоционального состояния применялся комплекс методов.

• 1.    Регрессионные модели – линейная и логистическая регрессия для анализа взаимосвязей между физиологическими и психологическими показателями.

• 2.    Модели машинного обучения – методика «Случайный лес», метод опорных векторов (SVM) для классификации и прогнозирования уровня тревожности и депрессии.

• 3.    Системы поддержки принятия решений (далее – СППР) – интеграция данных различных источников для формирования индивидуальных рекомендаций по психологической поддержке.

Обработка данных. Полученные данные были стандартизированы и нормализованы. Для оценки точности моделей применялись кросс-валидация и метрика F1-score. Также строились графики зависимости эмоциональных показателей от физиологических и клинических данных для наглядного представления результатов.

Результаты исследования. Психологические показатели . На основе анализа опросников выявлено, что у большинства пациенток наблюдались умеренные и высокие уровни тревожности (68 % выборки) и депрессии (54 %). Средние показатели тревожности по шкале М. Гамильтона составили 17,2±3,5 балла, депрессии – 14,8±3,1 балла.

Физиологические показатели. Средняя вариабельность сердечного ритма (HRV) составила 42,5±10,2 мс. Наблюдалась отрицательная корреляция между HRV и уровнем тревожности (r=-0,56, p<0,01), что подтверждает связь психологического состояния и физиологических реакций организма.

Прогнозирование с помощью биоинформационных методов.

• 1.    Регрессионные модели: линейная регрессия показала, что физиологические значения объясняют до 48 % вариаций эмоционального состояния пациенток.

• 2.    Модели машинного обучения:

• •    методика «Случайный лес» обеспечила точность прогнозирования тревожности на уровне 82 %, депрессии – 79 %;

• •    метод опорных векторов показал схожие результаты (точность – 80 % и 77 % соответственно);

• •    градиентный бустинг позволил увеличить точность прогнозирования до 85 % для тревожности и 81 % для депрессии.

• 3.    СППР: интеграция данных психологических тестов и физиологических показателей позволила сфор-

• мулировать индивидуальные рекомендации по психологической поддержке с точностью 83 %.

Обсуждение результатов исследования. Результаты исследования показывают, что биоин-формационные методы являются эффективным инструментом для прогнозирования эмоционального состояния у женщин с раком молочной железы. Связь между физиологическими показателями и психологическим состоянием подтверждает необходимость комплексного подхода к мониторингу и поддержке пациентов. Эти данные согласуются с выводами предыдущих исследований, в которых отмечалась выраженная корреляция между вариабельностью сердечного ритма и уровнем тревожности у онкобольных [2; 4; 5; 7].

Применение регрессионных моделей и методов машинного обучения позволяет не только прогнозировать уровень тревожности и депрессии, но и выделять ключевые факторы, влияющие на эмоциональное состояние пациенток. В частности, анализ моделей показал, что наиболее значимыми предикторами уровня тревожности и депрессии выступают показатели вариабельности сердечного ритма, уровень кортизола, а также субъективная оценка качества сна. Эти результаты подчеркивают важность многомерного подхода, объединяющего физиологические и психологические параметры.

СППР, интегрирующие данные разных источников, демонстрируют высокую эффективность в формировании индивидуальных рекомендаций для психологической поддержки. Такой подход позволяет сочетать объективные биофизиологические данные с субъективными психологическими показателями, создавая более полное представление о состоянии пациентки. СППР могут учитывать динамику эмоционального состояния во времени, выявлять периоды повышенного риска и своевременно предлагать варианты поддержки, что значительно повышает эффективность психоонкологической помощи [2; 4; 5; 7].

Ограничения исследования . Пилотный этап исследования осуществлен на ограниченной выборке, включавшей 60 пациенток, что потенциально снижает возможность обобщения полученных результатов. Применение полученных данных для демонстрации функциональности моделей не позволяет оценить их прогностическую точность в реальных клинических условиях. В перспективе запланировано увеличение объема выборки и использование аутентичных клинических данных, что должно повысить надежность и валидность выводов исследования.

Для дальнейшего улучшения моделей прогнозирования может быть полезно включение дополнительных биомаркеров, таких как показатели иммунного ответа, генетические данные и параметры активности мозга. Применение более сложных алгоритмов машинного обучения, включая глубокие нейрон- ные сети, также может повысить точность прогнозов и выявить скрытые закономерности в данных.

Заключение. Результаты исследования подтверждают потенциал биоинформационных методов в психоонкологии и открывают перспективы для дальнейшего внедрения персонализированных систем прогнозирования и поддержки пациенток. В долгосрочной перспективе это может привести к формированию целостной модели психоэмоционального мониторинга, объединяющей физиологические, психологические и клинические данные, что существенно повысит качество и эффективность психологической помощи в онкологии.

Биоинформационные методы прогнозирования эмоционального состояния позволяют объективно оценивать психологический статус пациенток с раком молочной железы. Использование интеграции физиологических и психологических данных обеспечивает более точное и своевременное выявление нарушений эмоционального состояния, что способствует персонализации поддержки пациенток.

Регрессионные модели и алгоритмы машинного обучения продемонстрировали высокую точность прогнозирования уровня тревожности и депрессии. Это подтверждает возможность применения современных вычислительных методов в психоонкологии для анализа комплексных данных и формирования прогнозов, которые учитывают как физиологические, так и психологические показатели.

СППР, интегрирующие данные из различных источников, обеспечивают формирование индивидуальных рекомендаций по психологической поддержке. Такой подход позволяет своевременно выявлять группы риска, прогнозировать динамику эмоционального состояния и планировать соответствующие интервенции, повышая эффективность психоонкологической помощи.

Интеграция биоинформатики в психоонкологические исследования и практику позволяет формировать персонализированные стратегии поддержки пациенток, что существенно повышает качество и эффективность психоонкологической помощи.