Почему это исследование важно для пациентов и врачей
Анализы крови, измеряющие антитела у людей с воспалительными заболеваниями кишечника (ВЗК), всё чаще используют для постановки диагноза, различения болезни Крона и язвенного колита, а также для предположений о том, как может развиваться болезнь. Но в реальной практике многие из этих показателей крови отсутствуют, потому что сложно собрать образцы и трудно обеспечить долгосрочное наблюдение пациентов. В этом исследовании поставлен на первый взгляд простой, но важный вопрос: когда ключевые фрагменты данных анализов крови отсутствуют, какой наилучший способ заполнить пустые места, чтобы врачи и исследователи могли по‑прежнему доверять своим выводам?
Скрытые дыры в данных лабораторных тестов
ВЗК, включающие болезнь Крона и язвенный колит, вызваны хроническим воспалением пищеварительного тракта. Определённые антитела в крови — направленные против дрожжей, бактерий и других мишеней — стали мощными подсказками для выявления ВЗК, различения его подтипов и иногда предсказания болезни за годы до появления симптомов. Однако сбор больших серологических наборов данных из тысяч пациентов оказывается хаотичным. Образцы могут потеряться, некоторые тесты могут не пройти, либо пациенты пропускают визиты. Традиционные быстрые решения, такие как исключение любого пациента с отсутствующим значением, теряют информацию и могут исказить результаты, заставляя болезни казаться менее или более связанными с определёнными маркерами, чем это на самом деле.
Разные причины пропусков данных
Авторы сначала тщательно воспроизвели разные способы, которыми значения лабораторных тестов могут отсутствовать. В одном сценарии значения исчезают полностью случайно, как подбрасывание монеты по таблице данных. В другом случае отсутствие зависит от другой видимой информации — например, у людей с более лёгким течением болезни реже могут выполняться определённые тесты. В самой сложной ситуации пропуски зависят от самих невидимых значений — например, крайне высокие или низкие уровни антител менее вероятно будут зафиксированы. Используя три крупные когорты ВЗК, команда сгенерировала тысячи версий своих наборов данных с различными объёмами недостающей информации — от всего лишь 5% до внушительных 40% пустых записей по тестам крови.
Современные инструменты для заполнения пробелов
Затем они сравнили семейства компьютерных методов для заполнения пропусков — подход, известный как иммутация. Некоторые методы, такие как MICE (множественная иммутация посредством цепочек уравнений) и родственные «итеративные импьютеры», многократно предсказывают каждое пропущенное значение на основании остальных, циклично обновляя таблицу до полного заполнения. Другие используют более гибкие движки машинного обучения: случайные леса, методы ближайших соседей, заимствующие информацию у похожих пациентов, и модели глубокого обучения — автокодировщики и вариационные автокодировщики — которые учат сжатые представления данных и восстанавливают пропущенные фрагменты из этих представлений. Для каждой настройки исследователи создавали несколько заполненных наборов данных, чтобы учесть неопределённость, и оценивали качество по трём направлениям: насколько близки заполненные значения к исходным, насколько хорошо стандартные статистические тесты восстанавливали известные связи между болезнью и антителами, и насколько точно предиктивные модели могли различать подтипы ВЗК.
Что работает лучше при разных условиях Figure 1.
Единого универсального чемпиона не выявлено. Когда отсутствовало лишь немного данных и пропуски вели себя относительно корректно, итеративные методы — особенно на основе байесовской регрессии, случайных лесов или ближайших соседей —, как правило, давали самые точные реконструкции и сохраняли силу ассоциаций, наблюдавшихся в полном наборе данных. По мере увеличения числа пропущенных значений, особенно при более сложных схемах отсутствия, всё более привлекательными становились подходы глубокого обучения на основе автокодировщиков. Эти модели лучше сохраняли общую структуру данных и удерживали качество предсказания ближе к тому, что было бы при наличии полной информации. Во всех случаях простое исключение неполных случаев работало хуже: оно ослабляло сигналы, снижало статистическую мощность и не давало никаких преимуществ в контроле ложноположительных результатов.
Выбор правильного инструмента для задачи Figure 2.
Главный вывод исследования носит практический, а не догматический характер. Для проектов, где приоритетом является корректная статистическая инференция — например, оценка того, насколько сильно конкретное антитело связано с болезнью Крона — методы, следующие принципам множественной иммутации, такие как MICE и некоторые итеративные импьютеры, являются разумным первым выбором. Они хорошо сочетаются с установленными правилами объединения результатов по иммутационным наборам и дают корректно калиброванные оценки неопределённости. Напротив, когда основной целью является предсказание — например, обучение модели машинного обучения для классификации пациентов — итеративные импьютеры и подходы на базе автокодировщиков часто показывают лучшие результаты, особенно при высокой доле пропусков. Показав, что разные методы превосходны при разных уровнях пропусков и для разных аналитических задач, работа предлагает дорожную карту для исследователей по выбору стратегий иммутации, которые сохраняют и научный сигнал, и клиническую ценность серологических данных при ВЗК.
Что это означает простыми словами
Для людей с ВЗК и для клиницистов и учёных, которые за ними наблюдают, послание обнадёживающее, но с оговорками: даже когда записи анализов крови покрыты пропусками, тщательно подобранные вычислительные методы могут восстановить достаточную часть картины, чтобы анализы оставались надёжными. Универсального решения не существует, но прослеживаются ясные закономерности — более простые итеративные методы хорошо работают, когда данные в основном полные, тогда как более гибкие инструменты глубокого обучения лучше подходят, когда «дыры» больше и сложнее. Использование этих подходов вместо выбрасывания неполных данных помогает защититься от вводящих в заблуждение выводов и поддерживает более точную диагностику, мониторинг заболевания и исследования лечения на основе серологических биомаркеров.
Цитирование: Boodaghidizaji, M., McGovern, D.P.B. & Li, D. Imputation methods for serologic biomarkers in inflammatory bowel disease.
Sci Rep16, 11160 (2026). https://doi.org/10.1038/s41598-026-41587-z
