Исследователи из России разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели ученые впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений, сообщила пресс-служба НИУ ВШЭ.
© ТАСС
«Болезни сердца и сосудов требуют ресурсов для диагностики, лечения, реабилитации и профилактики и потому создают высокую нагрузку на систему здравоохранения. Внедрение подобных моделей в клиническую практику позволит снизить смертность и частоту повторных инфарктов, оптимизировать лечение и уменьшить нагрузку на врачей», — пояснил стажер-исследователь Международной лаборатории биоинформатики НИУ ВШЭ (Москва) Александр Кирдеев, чьи слова приводит пресс-служба вуза.
Кирдеев и его коллеги разработали новый подход для диагностики в рамках проекта, нацеленного на изучение эффективности работы различных методов машинного обучения с данными, которые были получены при наблюдениях за здоровьем пациентов с инфарктом миокарда. У многих подобных больных развиваются осложнения, требующие хирургического вмешательства, и заблаговременное предсказание риска их развития позволяет снизить шансы гибели пациентов и резкого ухудшения состояния их здоровья.
Российские ученые изучили, как с подобными задачами справляются несколько популярных алгоритмов, таких как CatBoost, LightLMB, AutoML, а также различные формы логистической регрессии и случайного леса. Для получения таких сведений ученые воспользовались данными, которые собирались в период с 2015 по 2024 год при наблюдениях за здоровьем 200 пациентов, проходивших лечение в Сургутском окружном центре диагностики и сердечно-сосудистой хирургии.
В ходе этих наблюдений лечащие врачи не только отслеживали перемены в состоянии сердца и сосудов больных, но также выделяли ДНК и определяли, были ли участники наблюдений носителями определенных мутаций в гене VEGFR-2, усугубляющих последствия перенесенного инфаркта. Кирдеев и его коллеги воспользовались этими данными для обучения изученных ими алгоритмов, при помощи которых они оценили влияние 39 факторов риска, в том числе мутаций в гене VEGFR-2, на риск гибели пациентов и развитие осложнений.
Последующие расчеты показали, что алгоритм CatBoost лучше всего справлялся с оценкой рисков развития осложнений. Опираясь на этот результат, ученые выделили девять самых значимых факторов, влияющих на вероятность появления подобных проблем, одним из которых оказались мутации в гене VEGFR-2. В перспективе, анализ этих факторов риска при помощи систем ИИ позволит более точно и заблаговременно выявлять тех больных, которые находятся под наибольшей угрозой преждевременной гибели или развития серьезных осложнений инфаркта миокарда.