В России создали ИИ-модель для прогноза смертности при остром коронарном синдроме
Учёные из Сыктывкарского госуниверситета имени Питирима Сорокина и их коллеги разработали новую систему прогнозирования риска смерти для пациентов с острым коронарным синдромом (ОКС). Модель, основанная на машинном обучении, показала более высокую точность по сравнению с традиционной шкалой GRACE.
Изображение сгенерировано нейросетью MidjourneyДля анализа были использованы данные более 14 тысяч пациентов, из которых в финальное исследование вошли сведения о 13,3 тысячи человек. Алгоритм оценивал 28 клинических параметров, включая возраст, показатели гемодинамики и лабораторные данные. Наиболее эффективной оказалась ансамблевая модель CatBoost, чья прогностическая способность (AUC-ROC) достигла 0,961, в то время как у шкалы GRACE этот показатель составил 0,919.
«Это позволяет формировать более точный индивидуальный профиль риска пациента уже на этапе госпитализации», — отметил руководитель проекта, кандидат биологических наук Илья Соловьёв.
Особое внимание исследователи уделили интерпретируемости модели. С помощью метода SHAP были определены ключевые факторы, влияющие на прогноз, такие как фракция выброса левого желудочка, класс сердечной недостаточности и уровень артериального давления. Анализ также выявил скрытые нелинейные закономерности.
Исследователи подчеркнули, что полученные результаты пока не означают готовности технологии к широкому клиническому внедрению. Следующим этапом должно стать проведение мультицентровых клинических исследований.
По их мнению, успешная проверка может привести к созданию нового поколения систем поддержки врачебных решений и снижению смертности от сердечно-сосудистых заболеваний.
© iXBT
