Новая модель машинного обучения показала точность в 95% в прогнозировании сердечно-сосудистых заболеваний, сообщили исследователи (IMSIU)

В новом исследовании, опубликованном в журнале "Scientific Reports" 3 апреля 2024 года, ученые из Исламского университета имама Мухаммада ибн Сауда (IMSIU) рассказали о создании модели прогнозирования заболеваний сердца на основе машинного обучения (ML-HDPM).

Эта система использует различные комбинации информации и методы категоризации. Сердечно-сосудистые заболевания — это серьёзное состояние, которое врачи должны диагностировать и лечить с помощью разных методов. Продвижение здорового образа жизни и ранняя диагностика помогут снизить количество случаев таких недугов и улучшить общее состояние здоровья.

Для улучшения диагностики и прогнозирования сердечно-сосудистых заболеваний используются современные технологии и процедуры.

Эксперты отметили, что модель ML-HDPM показала высокую точность и надежность, что позволяет надеяться на ее успешное использование в клинической практике. Новый подход может улучшить принятие врачебных решений и результаты лечения пациентов.

Редакция "Питерских заметок" провела аналитическое исследование публикаций российских авторов, касающихся темы использования ИИ в медицине для диагностики сердечно-сосудистых заболеваний.

В своей работе группа авторов во главе с кандидатом технических наук Александром Гусевым пишет о том, что в последнее время ученые все больше обращают внимание на возможности машинного обучения (МО), основанные на большом объеме данных.

Например, в одном исследовании ученые использовали огромный объем информации о заболеваниях сердца, собранный из различных медицинских организаций и систем электронных медицинских записей. Они сравнили точность существующих методов оценки риска сердечно-сосудистых заболеваний с моделями, основанными на машинном обучении. Оказалось, что современные модели показали высокую точность в прогнозировании болезней сердца.

Подобные исследования приносят новые знания о факторах риска различных болезней сердца и помогают улучшить методы их прогнозирования.