Основные научные результаты

1. Разработка и валидация математических моделей риска для интеллектуального функционального модуля прогнозирования отдаленных последствий лечения пациентов детского возраста со злокачественными новообразованиями. Результаты моделирования использованы при выполнении НИОКР по договору № ЦИТ-21/1/212 с РНПЦ детской онкологии, гематологии и иммунологии. Результат признан лучшим на конкурсе ОИПИ НАН Беларуси в номинации "Лучший научный результат прикладного характера" за 2023 год. Автор Красько О.В.

2. Методы, модели анализа биомедицинских данных и информационно-аналитические системы прогноза выживаемости и диагностики социально-значимых заболеваний. Разработаны: а) оригинальные модели прогноза выживаемости пациентов при различных злокачественных новообразованиях, а также рецидивах и диссеминациях опухолей на основе предложенного метастатического индекса; б) модели классификации подтипов инфекционных заболеваний центральной нервной системы на основе метаболических показателей, позволяющих повысить точность диагностики; в) модели принятия решений по иммунофенотипической диагностике лейкозов и лимфом с учетом коэкспрессий маркеров; г) методы предварительной обработки и выделения признаков из разнородных биомедицинских данных; д) метод интеграции разнородных молекулярно-генетических данных для предсказания функций неизвестных генов; е) подход к кластеризации биомедицинских данных с активным выбором ограничений с целью выявления типов заболевания, связанных с конкретными клиническими показателями; ж) гибридная модель классификации на основе ансамбля классификаторов, которая позволяет объединить несколько источников разнородных данных для повышения точности диагностики сложных заболеваний. Результат признан лучшим на конкурсе 2021 года на соискание премии Национальной академии наук Беларуси в области информационных технологий. Авторы: Красько О.В., Новоселова Н.А.

3. Метод построения гибридной модели классификации, основанный на комбинации процедуры бэггинга и агрегирования ранжированных списков. Гибридная модель представляет собой ансамбль классификаторов, который может быть построен как на одном, так и на нескольких источниках данных биомедицинских исследований. Метод позволяет включать в ансамбль различные априорно заданные классификационные модели в зависимости от их эффективности для подвыборок данных, тем самым обеспечивая адаптивную настройку его структуры в зависимости от анализируемого набора биомедицинских данных. Преимуществом предложенного метода является одновременное использование нескольких критериев эффективности, а именно критериев точности, чувствительности и специфичности, для отбора оптимального базового классификатора для отдельной подвыборки данных. Данный подход позволяет, как повысить устойчивость классификационной модели в условиях лимитированной обучающей выборки, так и улучшить ее обобщающую способность. Метод вошел в число лучших научных результатов ОИПИ НАН Беларуси за 2020 год. Авторы: Новосёлова Н.А., Скобцов В.Ю.

4. Метод построения ненаправленной генной регуляторной сети и оценка статистической значимости межгенных связей с использованием информационных критериев и технологии бутстрэпинга. Предложенный метод представляет собой ансамблевый подход к построению регуляторной биологической сети. В его основе лежит процедура бутстрэпинга для генерации отдельных наборов данных генной экспрессии и последующего восстановления нескольких биологических сетей, которые агрегируют для получения конечного результата. Использование ансамблевого подхода для оценки связей сети позволяет учесть шум и выбросы в данных генной экспрессии и повысить точность реконструкции сетей за счет получения более точной оценки взаимной информации между генными профилями путем сокращения ее дисперсии. Метод вошел в число лучших научных результатов ОИПИ НАН Беларуси за 2019 год. Авторы: Новоселова Н.А., Том И.Э.

5. Метод оценки метастатического потенциала злокачественных опухолей и математические модели прогноза распространенности опухолевого процесса, позволяющие прогнозировать вероятность обнаружения метастазов папиллярного рака щитовидной железы (ПРЩЖ) в латеральной группе лимфатических узлов по распространению карциномы в лимфатических узлах центральной группы с учетом метастатического индекса, который рассматривается как фактор риска. Метод и модели вошли в число лучших научных результатов ОИПИ НАН Беларуси за 2017 год, получен Красько О.В. в рамках гранта Президента Республики Беларусь на научные исследования.

6. Метод интеграции молекулярно-генетических данных для предсказания функций неизвестных белков. Метод основан на слиянии разнородных данных путем построения ансамбля классификаторов, включая оценку информативности каждого члена ансамбля и возможность отбора наиболее оптимального его состава. Предложен унифицированный способ представления информации из различных источников данных и процедура учета иерархической организации базы функциональных категорий генов и генных продуктов (генная онтология) для формирования обучающего множества классификационной модели. Метод вошел в число лучших научных результатов ОИПИ НАН Беларуси за 2016 год. Авторы: Новоселова Н.А., Том И.Э.

7. Алгоритм нечеткой кластеризации генетических данных с частичным управлением и активным отбором ограничений, в рамках которого получены аналитические выражения для параметров расширенной оптимизационной функции, разработана процедура активного отбора ограничений, основанная на определении «виртуальной» границы кластеров и выборе ограничений для пар точек, попадающих в эту границу, а сравнительные испытания показали, что алгоритм позволяет повысить качество кластеризации данных при использовании меньшего количества ограничений. Алгоритм вошел в число лучших научных результатов ОИПИ НАН Беларуси за 2015 год. Авторы: Новоселова Н.А., Том И.Э.

8.Математические модели выявления морфологических особенностей папиллярного рака щитовидной железы (ПРЩЖ), определяющих инвазивный и метастатический потенциал опухоли у детей и подростков в Республике Беларусь, разработанные на основании ретроспективного клинико-морфологического анализа ПРЩЖ у детей и подростков, возникновение которого ассоциировано с «йодным ударом», полученным пациентами в первые месяцы после аварии на Чернобыльской АЭС. Получены зависимости по экстратиреоидному росту опухоли, региональному распространению опухоли и отдаленным метастазам в зависимости от клинико-морфологические характеристик опухоли. Предложена и рассчитана модель риска развития рецидивов у детей и подростков, оперированных по поводу ПРЩЖ на базе модели конкурирующих рисков. Получены зависимости, определяющие риск развития рецидивов после операций различного типа для локо-региональных и отдаленных метастазов в зависимости от клинико-морфологических характеристик опухоли. На основании моделей установлено, что степень агрессивности карциномы может быть рассчитана до проведения операции, что позволяет планировать хирургическое лечение. Результат получен Красько О.В. и вошел в top-10 лучших научных результатов НАН Беларуси за 2014 год.

9. Метод ранжирования признаков (биомаркеров) путем повторных оценок эффективности предсказания фенотипа заболевания для случайным образом генерируемых выборок из данных генной экспрессии. Метод позволяет выделять наиболее информативные гены в данных генной экспрессии, причем стабильность значений рангов отдельных генов обусловлена многократной оценкой выборок из исходной матрицы данных, что помогает избежать переобучения, и способствует получению несмещенных оценок вектора рангов. Критерием оптимальности вектора рангов является стабилизация его значений для отдельных генов, что оценивается с использованием коэффициента ранговой корреляции Спирмена. (2013 год). Автор Новоселова Н.А.

10. Непараметрический алгоритм кластеризации профилей генной экспрессии на основе автоматической оценки локальной функции плотности с представлением результата в виде иерархической кластерной структуры. Алгоритм позволяет обнаруживать кластеры с различной плотностью за счет применения схемы повторных кластеризаций данных при последовательном уменьшении радиуса плотности. На каждом шаге итерационного процесса часть объектов, которые являлись плотными точками на предыдущей итерации, удаляются из рассмотрения, при этом изменяется радиус плотности, что в конечном итоге позволяет обнаруживать более плотные кластеры меньших размеров. Алгоритм позволяет представить результаты в виде компактной иерархической структуры и автоматически определить количество, размер и положение кластеров различных уровней плотности. (2013 год). Авторы: Новоселова Н.А., Том И.Э.

11. Непараметрический метод кластеризации генетических данных, основанный на концепции стабильности, позволяющий: а) определить количество кластеров в данных и стабильность отдельных кластеров; в) оценить статистическую значимость полученных результатов кластеризации. Отличительными особенностями предложенного метода является определение и использование критерия валидации, основанного на энтропии матрицы согласия и разработанная процедура определения количества кластеров в данных, которые согласно проведенному тестированию на различных наборах данных позволяют повысить адекватность результатов кластеризации. Результаты тестирования метода на нескольких наборах реальных и искусственно сгенерированных данных показали большую эффективность предложенного метода в сравнении с известными аналогами в части точности оценки кластерной структуры в данных, которая соответствует биологическим представлениям специалистов. Метод вошел в число лучших научных результатов ОИПИ НАН Беларуси за 2012 год. Авторы: Новоселова Н.А., Том И.Э.