Ученые научили искусственный интеллект предсказывать сердечный приступ точнее медиков
Группа ученых собрала воедино данные более чем 80 тысяч пациентов, вошедшие в исследование CALIBER, масштабный клинический проект, изучающий смертность в Англии, и, используя методы машинного обучения, определили вероятность смерти пациентов от ишемической болезни сердца (ИБС), рассказывает издание The Register. Результаты работы были опубликованы в журнале PLOS One.
ИБС возникает на фоне образования в коронарных артериях, снабжающих сердце кровью, атеросклеротических бляшек. Нарастая со временем, эти бляшки могут полностью заблокировать одну или несколько артерий, что становится причиной сердечного приступа.
Исследователи построили прогностическую модель, вручную выбрав 27 переменных, которые сочли существенными индикаторами сердечных заболеваний. Среди них были такие показатели, как возраст, пол и наличие у пациента болей в области груди.
Затем ученые применили алгоритмы машинного обучения – алгоритм случайного леса и регрессии эластичной сети, для автоматического выбора в массиве данных переменных, которые стоит включить в исследование. Модель автоматически отобрала 586 переменных.
Ученые проверили точность прогноза смертности пациентов в течение пяти лет. Модель машинного обучения оказалась статистически немного более точной с показателем 0,801 по сравнению с результатом медиков равным 0,793.
Искусственный интеллект отобрал переменные, которые доктора обычно даже не рассматривают. Как рассказал, один авторов статьи - исследователь из Института Фрэнсиса Крика, Эндрю Стил, помимо таких показателей, как возраст и курение, модели выбрали наличие вызовов врача на дом, как один из прогностических факторов смертности пациентов. «Факт вызова врача на дом обычно при диагностике заболеваний сердца не рассматривается кардиологами, как существенный, но, возможно, то, что пациент не может самостоятельно добраться до врача, является важным показателем его самочувствия и полезным фактором точности предсказаний модели», - говорит Эндрю Стил.
Все чаще исследователи используют методы компьютерной обработки для предсказания рисков развития заболеваний сердца, и развитие машинного обучения позволит разрабатывать более точные предсказательные модели для широкого спектра заболеваний.