Учёные Сыктывкарского государственного университета имени Питирима Сорокина совместно с российскими коллегами разработали систему прогнозирования госпитальной летальности у пациентов с острым коронарным синдромом на основе ансамблевых алгоритмов машинного обучения. Новая модель показала более высокую точность по сравнению с широко используемой в мировой практике шкалой GRACE, сообщили в университете.
По данным СГУ им. Питирима Сорокина, авторы проанализировали сведения о более чем 14 тыс. пациентов, госпитализированных с острым коронарным синдромом в медучреждения Коми, Санкт-Петербурга и Ленинградской области. После обработки массива данных в финальный анализ вошли записи о 13,3 тыс. пациентов, для каждого из которых оценивались 28 клинических параметров: возраст, показатели гемодинамики, лабораторные данные и результаты инструментальных исследований. Наиболее эффективной оказалась ансамблевая модель градиентного бустинга CatBoost с показателем AUC-ROC 0,961, тогда как у шкалы GRACE этот показатель составил 0,919.
Руководитель лаборатории «Трансляционная биоинформатика и системная биология» СГУ, кандидат биологических наук Илья Соловьев пояснил, что ансамблевые алгоритмы способны выявлять закономерности, недоступные традиционным регрессионным моделям. По его словам, это позволяет формировать точный индивидуальный профиль риска уже на этапе госпитализации — до проведения чрескожного вмешательства, которое в ряде случаев опасно для пациентов старшего возраста.
Исследователи также уделили внимание интерпретируемости модели: с помощью метода SHAP удалось установить, какие факторы в наибольшей мере влияют на прогноз. Среди ключевых предикторов — фракция выброса левого желудочка, класс сердечной недостаточности по Killip, возраст, уровень систолического артериального давления и наличие дислипидемии в анамнезе. Анализ также выявил ряд нелинейных закономерностей, в том числе так называемый «парадокс дислипидемии», ранее описанный в кардиологической литературе.
Вместе с тем авторы подчеркнули, что система пока не готова к широкому клиническому внедрению: работа выполнена на ретроспективных данных одного стационара. Следующим шагом должны стать мультицентровые исследования, которые позволят подтвердить воспроизводимость результатов в разных медучреждениях. В случае успеха авторы рассчитывают, что технология может лечь в основу нового поколения интеллектуальных систем поддержки врачебных решений и способствовать снижению госпитальной смертности при сердечно-сосудистых заболеваниях.
