ПРОГНОЗИРОВАНИЕ СЕРДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ МЕТОДАМИ МАШИННОГО ОБУЧЕНИЯ
##plugins.themes.bootstrap3.article.main##
Аннотация
Начиная со второй половины прошлого века, сердечно-сосудистые заболевания
прочно занимают верхние строки в структуре смертности по всему миру, а в некото-
рых странах – более двух третей от общего количества смертей ежегодно. В этой свя-
зи, крайне актуальной проблемой является их ранняя диагностика, что многократно
повышает успех лечения и вероятность положительного исхода заболеваний. Тра-
диционные методики оценки риска сердечно-сосудистых заболеваний неявно допус-
кают линейную взаимосвязь факторов риска с исходом сердечно-сосудистых заболе-
ваний. Кроме того, обычно риск сердечно-сосудистых заболеваний рассчитывается
только с использованием клинической информации без учета прочих важных факто-
ров, например, социальных детерминант здоровья. Так как машинное обучение уже
давно стало общепринятым средством обнаружения закономерностей в данных, то
данный класс методов искусственного интеллекта, сегодня, активно применяется в
клинической кардиологии. В том числе при решении задач: автоматического рас-
познавания и расшифровки цифровых сигналов ЭКГ, ЭхоКГ, ХМ ЭКГ; диагности-
ки патологий; автоматической классификации больных по различным признакам;
оценки рисков развития неблагоприятных событий сердечно-сосудистой системы;
автоматического подбора тактик лечения; прогнозирования результатов кардиоло-
гической реабилитации и т.д. Цель данной работы состояла в решении задачи по
оценке склонности пациентов к сердечно-сосудистым заболеваниям путем примене-
ния одного из популярных методов машинного обучения — наивного байесовского
классификатора к набору данных амбулаторного обследования пациентов. Алго-
ритм был реализован на языке python с использованием библиотеки scikit-learn.