Путем многократного анализа 85 переменных у 950 пациентов с известными исходами алгоритм «узнал», как взаимодействуют эти данные. Затем выявил закономерности, связывающие переменные со смертью и сердечным приступом с точностью более 90%.
Врачи используют оценки риска для принятия решений о лечении. Но эти оценки основаны только на нескольких переменных и часто обладают скромной точностью. Алгоритм машинного обучения может использовать большие объемы данных и выявлять сложные шаблоны, которые могут быть не очевидны для человека.
В исследовании приняли участие 950 пациентов с болью в груди, которые прошли стандартный протокол поиска ишемической болезни сердца. Сканирование с помощью компьютерной томографии позволило получить данные о наличии бляшек коронарной артерии, сужении сосудов и кальцификации. Пациенты с зафиксированными сердечными заболеваниями прошли позитронно-эмиссионную томографию (ПЭТ). Кроме того, данные были получены из медицинских карт, включая пол, возраст, наличие диабета и отношения к курению. В результате, выявлено 85 переменных.
В течение шестилетнего периода было выявлено 24 сердечных приступа и 49 случаев смерти. В алгоритм введены 85 переменных, с помощью которых искусственный интеллект анализировал их снова и снова, пока не нашел эффективную структуру для прогнозирования риска сердечных приступов или смерти.
Прогностическая эффективность возросла, когда результаты компьютерной томографии добавились к клиническим данным и данным ПЭТ, что увеличило точность определения риска свыше 90%.
Это новость от журнала ММ «Машины и механизмы». Не знаете такого? Приглашаем прямо сейчас познакомиться с этим удивительным журналом.