Российские ученые из Сыктывкарского государственного университета имени Питирима Сорокина представили инновационную модель искусственного интеллекта, предназначенную для прогнозирования риска летального исхода у пациентов с острым коронарным синдромом (ОКС). Разработка демонстрирует значительное преимущество в точности по сравнению с общепринятой в медицине шкалой GRACE.
В основу исследования легли данные 14 тысяч пациентов, из которых для финального анализа отобрали показатели 13,3 тысячи человек. Алгоритм учитывал 28 ключевых клинических параметров, включая возраст больного, результаты лабораторных анализов и показатели гемодинамики. Для обработки массивов данных была выбрана ансамблевая модель CatBoost.
Результаты тестирования модели
В ходе испытаний модель показала высокую эффективность. Ее прогностическая способность, оцениваемая по метрике AUC-ROC, составила 0,961, тогда как аналогичный показатель традиционной шкалы GRACE остановился на отметке 0,919. По словам руководителя проекта, кандидата биологических наук Ильи Соловьева, данное решение позволяет врачам выстраивать максимально точный индивидуальный профиль риска пациента сразу при поступлении в стационар.
Интерпретируемость данных
Ученые уделили особое внимание тому, чтобы алгоритм был понятен специалистам. Использование метода SHAP позволило выделить главные факторы, влияющие на точность прогноза. К ним относятся:
- класс сердечной недостаточности;
- фракция выброса левого желудочка;
- уровень артериального давления.
Кроме того, нейросеть успешно выявила скрытые нелинейные закономерности, которые зачастую ускользают от классических статистических методов оценки. В частности, в России создали ИИ-модель для прогноза смертности, которая может лечь в основу будущих систем поддержки принятия врачебных решений.
На текущем этапе исследователи подчеркивают, что технология нуждается в дальнейшей проверке. Следующим шагом станет проведение мультицентровых клинических испытаний. В случае успеха внедрение таких алгоритмов позволит значительно снизить показатели смертности при сердечно-сосудистых заболеваниях.
