05 июля 2023

Прогнозирование сердечно-сосудистых событий с помощью моделей пропорциональных рисков и моделей машинного обучения: систематический обзор

2 213

Мишкин И. А., Концевая А. В., Гусев А. В., Драпкина О. М.

Актуальность. Ежегодно во всем мире большое количество людей становятся жертвами сердечно-сосудистых заболеваний. На сегодняшний день основными инструментами прогноза сердечно-сосудистого риска являются шкалы, основанные на моделях пропорциональных рисков (Сох-регрессии). Однако последнее время многие ученые сходятся во мнении, что использование технологий машинного обучения и искусственного интеллекта поможет повысить качество прогноза наступления неблагоприятных сердечно-сосудистых событий.

Цель - провести систематический литературный обзор подходов к формированию прогнозов развития ССЗ, основанных на шкалах пропорциональной оценки рисков и методах ML для обнаружения наиболее эффективных методов анализа данных.

Материалы и методы: Проведен систематический обзор литературы, в который были включены 58 научно-исследовательских работ, использующих методы оценки сердечнососудистого риска, основанных на Сох-регрессии, и технологий машинного обучения. Результаты. Предиктивные возможности машинного обучения превосходят традиционные линейные методы анализа данных. Средние значения AUC 0,82 и 0,75 соответственно, р=0,003. Также удалось выделить наиболее частоиспользуемые и эффективные алгоритмы прогноза. Ими оказались random forest, gradient boosting и deep learning. Однако, в отличии от традиционных шкал прогноза, среди представленных алгоритмов машинного обучения 80% не проходили внешнюю валидацию на независимых выборках. Кроме того, использование машинного обучения требует большого объема качественных цифровых данных.

Обсуждение. В результате анализа аналогичных исследований, проведенных отечественными и зарубежными авторами, нам удалось подтвердить, что в среднем прогностические модели, построенные с помощью алгоритмов ML, имеют преимущества по сравнению с традиционными методами анализа данных.

Выводы. Машинное обучение является перспективным методом прогнозирования сердечнососудистых событий, одна для его массового использования необходим переход на электронное ведение медицинской документации и агрегация большего количества качественной и структурированной информации

Скачать статью pdf|707,8 КБ

Мишкин И. А., Концевая А. В., https://webiomed.ru/en/team/gusev-aleksandr/Гусев А. В., Драпкина О. М. Прогнозирование сердечно-сосудистых событий с помощью моделей пропорциональных рисков и моделей машинного обучения: систематический обзор. Современные проблемы здравоохранения и медицинской статистики. – 2023. – № 2. – С. 804-829. https://doi.org/10.24412/2312-2935-2023-2-804-829

Поделиться

Подпишитесь на нашу рассылку

Хотите получать интересную и полезную информацию о цифровом здравоохранении и искусственном интеллекте для медицины?
Включайтесь в нашу рассылку!

Присоединяйтесь

Наши группы в соц сетях