Ученые НИИ Комплексных проблем сердечно-сосудистых заболеваний (КПССЗ) в Кемерово впервые создали систему для прогнозирования сердечно-сосудистых заболеваний, которая учитывает антропогенное загрязнение атмосферы.
Появление хронических неинфекционных заболеваний, включая болезни сердечно-сосудистой системы, обусловлено сочетанием генетических, физиологических, экологических, поведенческих и социальных факторов. Согласно данным Всемирной организации здравоохранения, ишемическая болезнь сердца, фибрилляция предсердий, инсульт и сердечная недостаточность составляют 43% всех случаев смертности от хронических неинфекционных заболеваний.
«На данный момент существует множество инструментов для прогнозирования сердечно-сосудистых заболеваний, однако, как правило, все шкалы и модели учитывают только традиционные факторы риска, такие как курение, повышенный уровень холестерина, артериальная гипертония, недостаток физической активности, неправильное питание и другие. Новизна нашего исследования заключается в том, что был проведен анализ риска неблагоприятных сердечно-сосудистых событий с учетом такого фактора, как антропогенное загрязнение воздуха. Программа разработана с учетом региональных экологических особенностей. С помощью технологий искусственного интеллекта из множества — а это около 2000 параметров — системой были выбраны наиболее значимые для неблагоприятного прогноза», — отметила руководитель проекта Галина Артамонова, заместитель директора НИИ КПССЗ по научной работе и заведующая отделом оптимизации медицинской помощи при сердечно-сосудистых заболеваниях.
Система выделила диапазоны факторов риска, которые могут либо увеличивать, либо снижать данный риск. Кроме того, были скорректированы диапазоны параметров, отличающиеся от общепринятых. Например, считается, что риск сердечно-сосудистых катастроф возрастает при индексе массы тела более 30 кг/кв. м, но для жителей Кемерова этот показатель составляет более 28 кг/кв. м. Подобные закономерности также были выявлены по уровню холестерина и его фракций. Персонализированный подход к выявлению факторов риска позволит вовремя начать профилактические меры и, при необходимости, лечение, что снизит вероятность развития инфаркта миокарда, инсульта и хронической сердечной недостаточности, добавляют ученые.
Модель предиктивной аналитики кемеровских специалистов основана на данных многолетних исследований, в которых участвовали около 3 тыс. человек. Для построения прогностических моделей был использован метод градиентного бустинга — способ машинного обучения, который последовательно создает ряд слабых прогностических моделей и объединяет их в одну сильную модель. В дальнейшем эту модель можно будет масштабировать и применить для других регионов России через интеграцию в единую государственную информационную систему в сфере здравоохранения (ЕГИСЗ).
Фото: hi-tech.mail.ru