​Методы машинного обучения в прогнозировании исходов и рисков сердечно-сосудистых заболеваний у пациентов с артериальной гипертензией (по материалам эссе-РФ в приморском крае)

Невзорова В. А.¹, Плехова Н. Г.¹, Присеко Л. Г.¹, Черненко И. Н.¹, Богданов Д. Ю.², Мокшина М. В.¹, Кулакова Н. В.¹

Резюме
Цель. Оценить возможность применения технологий искусственного интеллекта в прогнозировании исходов и рисков сердечно-сосудистых заболеваний (ССЗ) у пациентов с артериальной гипертонией (АГ).
Материал и методы. Создана компьютерная программа для извлечения в полуавтоматическом режиме информации из анкет респондентов, проанализированы библиотеки с предобработкой данных. Проведен анализ основных и дополнительных показателей факторов риска развития ССЗ (35 параметров) у 2131 человек при выполнении регионального этапа “ЭССЕ-РФ, 2014-2019гг”. Для создания модели прогнозирования применен высокоуровневый язык Python 2.7 с использованием объектно-ориентированного программирования и включением обработки исключений с поддержкой многопоточных вычислений. С помощью функции рандомизирования сформированы обучающая (488 человек) и тестовая (245 человек) выборки, в которые вошли данные пациентов с установленным диагнозом АГ.
Результаты. Распространенность АГ среди обследуемых составила 34,39%. К значимым признакам для прогнозирования развития ССЗ отнесены антропометрические параметры, наличие курения, данные биохимического анализа крови (общий холестерин, АроА, АроВ, глюкоза, Д-димер, С-реактивный белок). В результате 5-летнего наблюдения ССЗ установлены у 235 человек (32,06%) с АГ и у 187 человек (13,38%) без АГ; показатели смертности составили 1,27% у лиц с АГ и 1,12% без АГ. Абсолютный риск фатального исхода среди лиц с АГ (0,037) был значимо выше (p<0,05), чем у пациентов без АГ (0,017). Для построения нейросети (НС) применяли базовую модель Sequential из библиотеки Keras. При машинном обучении в качестве входных данных использовались 26 значимых для развития ССЗ переменных и выходными были определены 9 нейронов, которые соответствовали количеству установленных сердечно-сосудистых событий. Созданная НС обладала предсказующей способностью до 97,9%, что превышало таковую на 34,9% шкалы SCORE.
Заключение. Полученные данные указывают на важность фенотипирования факторов риска с использованием антропометрических маркеров и параметров биохимии крови, при определении их значимости в списках 20 топ-предикторов для прогнозирования ССЗ. Основанный на языке Python метод машинного обучения обеспечивает прогнозирование ССЗ согласно стандартным оценкам риска.

Ключевые слова: факторы риска сердечно-сосудистых заболеваний, артериальная гипертензия, искусственный интеллект.

Отношения и деятельность: работа была поддержана грантом РФФИ 19-29-01077.

Авторы
¹ФГБОУ ВО Тихоокеанский государственный медицинский университет Минздрава России, Владивосток; ²КГБУЗ Владивостокская клиническая больница № 1, Владивосток, Россия.

Невзорова В. А.* — д. м.н., профессор, директор Института терапии и инструментальной диагностики, главный внештатный специалист по терапии Дальневосточного федерального округа, ORCID: 0000-0002-0117-0349, Плехова Н. Г. — д. б.н., профессор, зав. Центральной научно-исследовательской лабораторией, ORCID: 0000-0002-8701-7213, Присеко Л. Г. — ординатор Института терапии и инструментальной диагностики, ORCID: 0000-0002-3946-2064, Черненко И. Н. — м. н.с., Центральная научно-исследовательской лаборатория, ORCID: 0000-0001-5261-810X, Богданов Д. Ю. — врач-кардиолог, ORCID: 0000-0002-8388-5566, Мокшина М. В. — доцент Института терапии и инструментальной диагностики, ORCID: 0000-0003-3663-1560, Кулакова Н. В. — доцент Института терапии и инструментальной диагностики, ORCID: 0000-0001-6473-5653.

*Автор, ответственный за переписку (Corresponding author):
nevzorova@inbox.ru

Рукопись получена 13.02.2020
Рецензия получена 21.02.2020
Принята к публикации 12.03.2020

Для цитирования: Невзорова В. А., Плехова Н. Г., Присеко Л. Г., Черненко И. Н., Богданов Д. Ю., Мокшина М. В., Кулакова Н. В. Методы машинного обучения в прогнозировании исходов и рисков сердечно-сосудистых заболеваний у пациентов с артериальной гипертензией (по материалам ЭССЕ-РФ в Приморском крае). Российский кардиологический журнал. 2020;25(3):3751. doi:10.15829/1560-4071-2020-3-3751

Комментарии