В России разработали ИИ для оценки риска при инфарктных состояниях

Алгоритм обучали на данных более 14 тысяч пациентов из медицинских учреждений Коми, Санкт-Петербурга и Ленинградской области. В итоговый анализ вошли сведения о 13,3 тысячи человек и 28 клинических параметрах, включая возраст, показатели давления, лабораторные данные и результаты исследований.

Основой модели стал метод машинного обучения CatBoost. Точность прогноза по показателю AUC-ROC достигла 0,961, тогда как у распространенной шкалы GRACE этот показатель составил 0,919.

Система также позволяет определить, какие факторы влияют на прогноз. Разработчики отмечают, что технологию пока нужно проверить в дополнительных исследованиях перед возможным внедрением в клиническую практику.