Российские ученые разработали ИИ для предсказания осложнений после инфаркта

Анализ генетической информации поможет избежать осложнений после инфаркта Все благодаря разработке ученых из НИУ ВШЭ. Они создали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений. Генотип определяли по конкретной генетической вариации полиморфизму в гене VEGFR-2. При этом самым важным фактором, влияющим на риск возникновения осложнений, оказалась доза статинов — лекарств, которые используются для снижения уровня холестерина в крови. Высокие дозы статинов снижают этот риск, особенно у пациентов с неблагоприятным генотипом. Исследование выполнено в рамках проекта НИУ ВШЭ «Зеркальные лаборатории». Подробнее о результатах — в материале Вышки.Главное

Риск осложнений после инфаркта предскажет ИИ Ишемическая болезнь сердца — самая частая причина смертности в мире, по данным ВОЗ, на нее приходится 13% смертей. Поэтому медикам очень важно уметь прогнозировать риски осложнений и рецидивов сердечных заболеваний. Российский искусственный интеллект научился предсказывать вероятность развития осложнений у пациентов с инфарктом миокарда. Авторы алгоритма машинного обучения из НИУ ВШЭ выделили 39 факторов, влияющих на прогноз рисков, в том числе генетическую информацию. «Ранее генетические факторы не использовались в моделях машинного обучения… Нам удалось выяснить, что аллель риска варианта VEGFR-2 входит в пятерку наиболее важных факторов для прогнозирования долгосрочных результатов у пациентов с инфарктом миокарда», — сообщила доцент НИУ ВШЭ Мария Попцова. Наука.рф #десятилетиенауки

Забирай эксклюзивное предложение для пользователей Tek.fm *Предложение ограничено

В России создали ИИ-систему, определяющую риск развития осложнений после инфаркта Исследователи из России разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели ученые впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений. Ученые изучили работу таких популярных алгоритмов, как CatBoost, LightLMB, AutoML, а также различные формы логистической регрессии. Ученые воспользовались данными, которые собирались в период с 2015 по 2024 год при наблюдениях за здоровьем 200 пациентов, проходивших лечение в Сургутском окружном центре диагностики и сердечно-сосудистой хирургии. Расчеты показали, что алгоритм CatBoost лучше всего справлялся с оценкой рисков развития осложнений. Опираясь на этот результат, ученые выделили девять самых значимых факторов, одним из которых оказались мутации в гене VEGFR-2.