Прогнозирование развития гипертонической болезни с использованием моделей машинного обучения в подсистеме дистанционного кардиомониторинга

Опубликовано: 2 года назад

    Информационный менеджмент
  • Одна из задач персонализированной медицины заключается в построении новой организационной модели оказания медицинской помощи пациентам, основываясь на подборе индивидуальных лечебных, диагностических и превентивных средств, оптимально подходящих по особенностям организма. Современные методы искусственного интеллекта позволяют решать задачи подобного типа.
    Цель исследования – построение и применение прогностических моделей логистической регрессии и дерева решений с использованием методов машинного обучения для выявления пациентов с высоким риском развития гипертонической болезни без необходимости проведения инвазивных клинических процедур.
    Материалы и методы. Используется сформированный набор данных, состоящий из 395 записей о пациентах Воронежской городской клинической поликлиники № 1. Каждая запись содержит параметры пациентов: пол пациента; возраст пациента; индекс массы тела; окружность талии; окружность бедер; статус курения табака; статус употребления алкоголя; систолическое давление; диастолическое давление. Применяются методы машинного обучения для построения прогностических моделей.
    Результаты. Построены две модели прогнозирования развития гипертонической болезни, характеризующиеся высокими показателями точности классификации: модель логистической регрессии, предназначенная для расчета индивидуального риска пациента (точность 96%), и модель на основе деревьев решений, предназначенная для прогнозирования возможного заболевания пациента гипертонической болезнью и объяснения причин, по которым может происходить это заболевание (точность 92%).
    Выводы. Показана целесообразность применения методов машинного обучения при построении прогностических моделей по оценке состояния пациентов, обозначена возможность создания рекомендательного блока на основе полученных моделей в подсистеме дистанционного кардиомониторинга.

    Авторы: Белозерова Е. В., Данилов А. В., Исаенкова Е. А., Калинина Л. Б., Манерова О. А., Усов Ю. И.

    Темы: гипертоническая болезнь1 дерево решений1 логистическая регрессия1 машинное обучение4 прогнозирование3

Статей
11

Авторов
41

Страниц
80

Последние номера

Архив журнала >
2024

«Мз» №2 2024

Дата выпуска: 2024-03-12

169

«Мз» №1 2024

Дата выпуска: 2024-02-08

415

2023

«Мз» №13 2023

Дата выпуска: 2024-02-08

281

«Мз» №12 2023

Дата выпуска: 2024-02-08

253