Machine learning for assessing the pretest probability of obstructive and non-obstructive coronary artery disease

Abstract

В обзоре представлен анализ научной литературы по результатам использования методов машинного обучения (МО) для оценки предтестовой вероятности (ПТВ) обструктивных (ОПКА) и необструктивных (НПКА) поражений коронарных артерий (КА) у больных с различными клиническими вариантами ишемической болезни сердца. Приведены данные о высокой распространенности НПКА среди лиц, направляемых на инвазивную коронарографию (КАГ), что послужило поводом для разработки моделей и алгоритмов на основе методов МО для использования в качестве дополнительных инструментов ПТВ, позволяющих прогнозировать анатомический статус КА до проведения КАГ. Применение современных технологий моделирования обладает большим потенциалом в верификации НПКА и ОПКА. Подчеркивается, что совершенствование прогностических моделей и их внедрение в клиническую практику является важным элементом поддержки принятия врачебных решений и должно осуществляться на основе междисциплинарной научной кооперации клиницистов и специалистов в области информационных технологий.Ключевые слова: предтестовая вероятность, машинное обучение, поражение коронарных артерий.

Machine learning as a tool for diagnostic and prognostic research in coronary artery disease

“…Вместе с тем совершенствование диагностических технологий и постоянно возрастающий объем научной информации даёт возможность поддержки принятия врачебных решений. Внедрение в клиническую практику технологий искусственного интеллекта (ИИ) позволяет автоматизировать обработку и анализ больших данных, выявлять на этой основе скрытые или неочевидные закономерности и извлекать новые знания [3,4]. Искусственный интеллект -это область компьютерных наук, которая стремится имитировать мыслительные процессы человека, способность к обучению и хранению знаний, а ее методы применяются в кардиологии для выявления предикторов развития ССЗ, прогнозирования их клинического течения, стратификации риска, повышения эффективности лечения и оптимизации расходов здравоохранения [5].…”

“…Gao [21]. В об-зоре 2020г было показано, что гибридные модели с использованием SVM обладают более высокой точностью в разделении пациентов с истинной ИБС от лиц с кардиалгией [4]. В другой работе точность SVM-модели для диагностики острого коронарного синдрома среди пациентов, госпитализированных в отделение неотложной кардиологии с болью в грудной клетке, составила >99% [37].…”