Разработка предиктивных моделей для дифференциальной диагностики гипертрофической кардиомиопатии

Аннотация:

Цель. Разработка предиктивных моделей для дифференциальной диагностики гипертрофического фенотипа у пациентов с сопутствующими заболеваниями, а также их валидация посредством независимой оценки. Материал и методы. B исследование был включен анализ 1169 медицинских карт из медицинской информационной системы пациентов с выраженной гипертрофией миокарда и предварительным диагнозом гипертрофической кардиомиопатии (?КM?) (142.1, l42.2). Пациенты были разделены на 3 группы: пациенты с вероятным диагнозом ?КM?, пациенты с умеренной гипертрофией миокарда (>15 мм) вследствие известного заболевания, а также пациенты с выраженной гипертрофией миокарда, которую сложно объяснить исключительно перегрузкой давлением левого желудочка ("серая зона"). B исходном наборе данных представлено 74 параметра. Построены и оптимизированы модели машинного обучения следующих классов: логистическая регрессия (LR), метод опорных векторов (SVM), дерево принятия решений (DT) и градиентный бустинг на деревьях решений. Результаты. Bce модели обладают достаточной точностью выявления ?КM?, однако точность исключения диагноза довольно низкая. Применение модели машинного обучения с использованием логистической регрессии позволило снизить риск ошибочной диагностики ГКMП в группе сомнительного диагноза до 31%. Заключение. Разработаны 4 предиктивные модели для дифференциального диагноза при выраженной гипертрофии миокарда левого желудочка с целью улучшения диагностики ГКMП. По результатам валидации слепым методом оптимальной моделью для клинической практики определена логистическая регрессия.

Авторы:

Издание: Российский кардиологический журнал
Год издания: 2024
Объем: 7с.
Дополнительная информация: 2024.-N 11.-С.40-46. Библ. 15 назв.
Просмотров: 1