Новое исследование, проведённое учёными из Университета Джонса Хопкинса, показало, что системы искусственного интеллекта могут недооценивать распространённость сердечной недостаточности с сохранённой фракцией выброса (СНсФВ).
СНсФВ — это состояние, при котором сердце не может эффективно наполняться кровью. Оно является наиболее распространённым типом сердечной недостаточности.
Исследователи обнаружили, что модели искусственного интеллекта, обученные на данных электронных медицинских карт, не всегда точно диагностируют СНсФВ. Это связано с тем, что многие врачи не указывают этот диагноз в медицинских записях, даже если у пациента есть соответствующие симптомы.
Учёные проанализировали данные более 13 тысяч пациентов и выяснили, что модели искусственного интеллекта пропустили диагноз СНсФВ у 63% пациентов, у которых он был фактически подтверждён. Это означает, что использование таких моделей может привести к недооценке реальной распространённости заболевания.
Исследование подчёркивает необходимость улучшения диагностики СНсФВ в клинической практике и более тщательного документирования этого состояния в медицинских картах. Это позволит повысить точность моделей искусственного интеллекта и улучшить лечение пациентов с сердечной недостаточностью.
Авторы работы отмечают, что для повышения эффективности искусственного интеллекта в диагностике сердечной недостаточности необходимо улучшить качество данных, на которых обучаются модели, а также разработать более совершенные алгоритмы, способные учитывать сложность и многообразие проявлений этого заболевания.
Источник: medicalxpress.com