ОБОСНОВАНИЕ. Основной инструмент для оценки степени тяжести поражения лёгких при COVID-19 ― компьютерная томография (КТ) [1]. В Российской Федерации широко применяется визуальная шкала оценки поражения лёгочной паренхимы «КТ 0-4» [2]. В настоящее время «золотым стандартом» для установления диагноза COVID-19 стала полимеразная цепная реакция (ПЦР), позволяющая выявлять РНК вируса, но данный метод имеет низкую чувствительность [3, 4]. Заболеваемость COVID-19 носит волновой характер течения [5], поэтому прогнозирование заболеваемости и характера течения болезни очень актуально.

ЦЕЛЬ ― определить более эффективную модель для прогнозирования динамики заболеваемости COVID-19 по данным КТ в Москве, что будет способствовать повышению эффективности планирования помощи пациентам.

МЕТОДЫ. Анализ проводили посредством деления исходных данных (13.04.2021–23.02.2022) на обучающую и тестовую подвыборки, в качестве порогового значения временного интервала принято начало спада пятой волны штамма омикрон (06.02.2022). Для анализа использовали статистические данные заболеваемости по Москве. В данном исследовании для моделирования и прогнозирования временных данных (forecasting) применяли методы ETS, ARIMA, BATS, TBATS и NNETAR (с использованием нейронных сетей) [6]. Эффективность прогнозирования оценивали по количественным метрикам средней абсолютной масштабированной ошибки (MASE).

РЕЗУЛЬТАТЫ. Всего за период пандемии по имеющимся данным в Москве с 13.04.2020 по 21.03.2022 проведено 916 566 процедур компьютерной томографии органов грудной клетки (КТ ОГК) в рамках диагностики COVID-19. По критерию MASE, лучшей моделью предсказания является NNETAR для всех типов по шкале «КТ 0-4» (MASE для тестовой выборки: КТ-1 ― 3.8; КТ-2 ― 2.0; КТ-3 ― 1.3; КТ-4 ― 0.5).

ЗАКЛЮЧЕНИЕ. Модель NNETAR с применением нейронных сетей показала наилучший результат в прогнозировании заболеваемости COVID-19 в Москве и подтвердила тенденцию к постепенному снижению заболеваемости со значительным уменьшением степени тяжести поражения лёгких по шкале «КТ 0-4». Разница в динамике течения обусловлена множеством факторов: способами диагностики и лечения, в том числе отмечается постепенный уход от КТ-исследований при меньшей степени тяжести заболевания; эпидемиологическими ограничениями и профилактикой; мутациями вируса COVID-19; влиянием СМИ.

COVID-19прогнозированиекомпьютерная томография1.Zhang R, Ouyang H, Fu L, et al. CT features of SARS-CoV-2 pneumonia according to clinical presentation: a retrospective analysis of 120 consecutive patients from Wuhan city // Eur Radiol. 2020;30(8):4417–4426. doi: 10.1007/s00330-020-06854-12.Морозов С.П., Проценко Д.Н., Сметанина С.В., и др.; Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы. Лучевая диагностика коронавирусной болезни (COVID-19): организация, методология, интерпретация результатов. Методические рекомендации № 34. Серия «Лучшие практики лучевой и инструментальной диагностики». 2-е изд., перераб. и дополн. Москва, 2021. 108 с.3.Ai T, Yang Z, Hou H, et al. Correlation of chest CT and RT-PCR testing for Coronavirus Disease 2019 (COVID-19) in China: A report of 1014 cases. Radiology. 2020;296(2):E32–E40. doi: 10.1148/radiol.20202006424.Kucirka LM, Lauer SA, Laeyendecker O, et al. Variation in false-negative rate of reverse transcriptase polymerase chain reaction-based SARS-CoV-2 tests by time since exposure. Ann Intern Med. 2020;173(4):262–267. doi: 10.7326/M20-14955.Mahapatra DP, Triambak S. Towards predicting COVID-19 infection waves: A random-walk Monte Carlo simulation approach. Chaos Solitons Fractals. 2022;156:111785. doi: 10.1016/j.chaos.2021.1117856.Perone G. Comparison of ARIMA, ETS, NNAR, TBATS and hybrid models to forecast the second wave of COVID-19 hospitalizations in Italy. Eur J Health Econ. 2021:1–24. doi: 10.1007/s10198-021-01347-4