В РФ разработали прогностическую ИИ-систему смертности при остром коронарном синдроме
Систему прогнозирования госпитальной летальности у пациентов с острым коронарным синдромом (ОКС) создали ученые из Сыктывкарского госуниверситета имени Питирима Сорокина совместно с российскими коллегами.
Система основана на ансамблевых алгоритмах машинного обучения и является более точной в сравнении со шкалой GRACE, применяемой в мировой клинической практике, пишет ТАСС. В госуниверситете изданию рассказали:
Авторы исследования применили современные методы машинного обучения для анализа данных более чем 14 тыс. пациентов, госпитализированных с ОКС в лечебные учреждения Коми, Санкт-Петербурга и Ленинградской области. После очистки и подготовки массива в финальный анализ вошли сведения о 13,3 тыс. пациентов, для каждого из которых оценивались 28 клинических параметров, включая возраст, показатели гемодинамики, лабораторные данные и результаты инструментальных исследований. Наиболее эффективной оказалась ансамблевая модель градиентного бустинга CatBoost. Ее прогностическая способность по площади под ROC-кривой (AUC-ROC) достигла 0,961. Для сравнения: показатель международно признанной шкалы GRACE составил лишь 0,919. Таким образом, новая система превзошла один из наиболее распространенных мировых инструментов стратификации риска у пациентов с острым коронарным синдромом.
Ансамблевые алгоритмы выявляют сложные закономерности, которые недоступны обычным регрессионным моделям, отметил руководитель научно-исследовательской лаборатории «Трансляционная биоинформатика и системная биология» СГУ им. Питирима Сорокина, корреспондирующий автор проекта, кандидат биологических наук Илья Соловьев. По его словам новый метод исследования формирует более точный индивидуальный профиль риска пациента на этапе госпитализации до проведения чрескожного вмешательства, опасного в некоторых случаях для возрастных пациентов.
изображение magnific
