Кемеровские ученые разработали информационную систему для предсказания неблагоприятных сердечно-сосудистых событий
Ученые НИИ Комплексных проблем сердечно-сосудистых заболеваний (НИИ КПССЗ) из Кемерово создали информационную систему для прогнозирования сердечно-сосудистых заболеваний на основе технологий искусственного интеллекта, которая впервые учитывает антропогенное загрязнение воздуха на территории проживания пациентов. Разработка защищена свидетельством о государственной регистрации программы для ЭВМ.
В настоящее время существует множество инструментов определения вероятности развития сердечно-сосудистых заболеваний, но, как правило, все шкалы и модели учитывают исключительно традиционные факторы риска, к которым относятся: курение, повышенный уровень холестерина, артериальная гипертония, недостаточная физическая активность, неправильное питание и другие.
Кемеровские ученые предлагают новый взгляд на оценку факторов риска болезней системы кровообращения. Новизна его заключается в том, что оценка проводится с учетом региональных экологических особенностей и анализируется риск неблагоприятных сердечно-сосудистых событий с учетом такого фактора как антропогенное загрязнение воздуха.
«С помощью технологий искусственного интеллекта из всего многообразия — а это порядка 2000 параметров — системой были отобраны наиболее значимые с точки зрения неблагоприятного прогноза. Кроме этого, системой выделены диапазоны факторов риска, увеличивающих или снижающих данный риск. Необходимо отметить, что сформированные диапазоны параметров зачастую отличаются от общепринятых. Так, например, если индекс массы тела более 30 кг/м2 общепринято считается увеличивающим риск сердечно-сосудистых катастроф, то для жителей нашего региона, данный параметр ниже. Для жителей города он составил 28 кг/м2, для жителей села — 26 кг/м2. Такие же закономерности выведены и по уровню холестерина и его фракций», — рассказала руководитель проекта, заместитель директора НИИ КПССЗ по научной работе, заведующая отделом оптимизации медицинской помощи при сердечно-сосудистых заболеваниях, доктор медицинских наук, профессор Галина Артамонова.
Модель предиктивной аналитики кемеровских ученых основана на фактах многолетних исследований. Была проведена масштабная работа. Выборка проекта составила около 3000 респондентов — участников эпидемиологических исследований. Для построения прогностических моделей был использован градиентный бустинг — метод машинного обучения, который последовательно создает набор слабых прогностических моделей, и комбинирует их в единую сильную модель.
По оценкам ученых, модель позволяет увеличить точность прогноза и эффективность профилактических мероприятий, направленных на снижение заболеваемости и смертности от болезней системы кровообращения, а персонифицированный подход к выявлению факторов риска — своевременно начать профилактику и при необходимости лечение, а следовательно, снизить риск развития инфаркта миокарда, инсульта и хронической сердечной недостаточности.