Учёные из Сыктывкара разработали модель машинного обучения для прогноза смертности при ОКС

Учёные из Сыктывкарского госуниверситета имени Питирима Сорокина вместе с коллегами разработали систему, которая оценивает риск смерти у пациентов с острым коронарным синдромом (ОКС). В основе решения лежат методы машинного обучения. По результатам исследования модель показала более высокую точность по сравнению с традиционной шкалой GRACE.

Для анализа использовали данные более чем 14 тысяч пациентов, однако в итоговую выборку включили сведения о 13,3 тысячи человек. Алгоритм опирался на 28 клинических параметров: среди них возраст, показатели гемодинамики и лабораторные данные. Самые точные результаты показала ансамблевая модель CatBoost. Её прогностическая способность (AUC-ROC) достигла 0,961, тогда как у шкалы GRACE этот показатель составляет 0,919.

Отдельное внимание исследователи уделили интерпретируемости модели. С помощью метода SHAP они определили ключевые факторы, влияющие на прогноз: фракцию выброса левого желудочка, класс сердечной недостаточности и уровень артериального давления. Анализ также выявил скрытые нелинейные закономерности. При этом авторы подчёркивают, что говорить о широком клиническом внедрении пока рано, следующим шагом должны стать мультицентровые клинические исследования.