Цель. Изучить возможности применения нейросетевого анализа клиникоинструментальных данных для прогнозирования риска летальных исходов у больных после перенесенного острого коронарного синдрома (ОКС). Материал и методы. Четыреста пациентов после перенесенного ОКС наблюдались в течение 62 мес. Критерий осложнённого течения ишемической болезни сердца (ИБС) -летальный исход кардиогенной причины. Группу 1 наблюдения составили 310 больных с неосложненным течением и 2 группу 90 больных с осложненным течением ИБС. Для прогнозирования летального риска использовали метод машинного обучения и нейросетевого анализа. Машинное обучение проводилось с включением клинических, лабораторных и инструментальных (электрокардиография, эхокардиография) признаков (всего 49). Для решения задач классификации использованы два вида архитектур нейросетей: многослойный персептрон (Multilayer Perceptron (MLP)) и свёрточная нейронная сеть (Convolutional Neural Networks (CNN)). Соотношение в примерах на обучение и валидацию составило 340/60. Использовался метод обучения с учителем на имеющихся данных, в которых были известны исходы, а параметры нейронной сети подстраивались так, чтобы минимизировать ошибку. Результаты. Наибольший вклад в риск летального исхода после ОКС вносят возраст больных, перенесенный ранее ИМ и острое нарушение мозгового кровообращения, наличие фибрилляции предсердий, 2 стадия и 3 функциональный класс хронической недостаточности кровообращения, отсутствие чрескожного коронарного вмешательства, 3 стадия хронической болезни почек, сниженная фракция выброса левого желудочка. Большая часть летальных случаев приходилась на 2 и 4 годы наблюдения больных, что, возможно, связано с низкой эффективностью вторичной профилактики ИБС. Исследуемая архитектура свёрточной нейронной сети оказалась более точной моделью диагностики. Чувствительность 68% и специфичность 84%, при хорошем качестве модели (area under curve (AUC) =0,74). К преимуществам CNN относится возможность анализировать закономерности во времени, используя рекуррентные нейронные сети. Заключение. Нейросетевой анализ подготовленных клинических, лабораторных и инструментальных данных позволяет настроить параметры сети для последующего прогнозирования летального риска. Использование свёрточной нейронной сети с чувствительностью 68% и специфичностью 84% прогнозирует риск летального исхода на протяжении 5 лет после ОКС.Ключевые слова: нейронная сеть, машинное обучение, острый коронарный синдром, летальность. Отношения и деятельность: нет.
Актуальность проблемы ХСН определяется плохим прогнозом, низким качеством жизни больных и высо-кими затратами на лечение данной патологии для систем здравоохранения [1]. Необходимо учитывать неуклонный рост заболеваемости сердечной недоста-точностью. В этой связи актуален поиск модифициру-емых факторов риска возникновения новых случаев ХСН, а также предикторов неблагоприятного исхода у больных ХСН. Одним из таких факторов является хроническая болезнь почек [2]. В свою очередь ХСН является независимым фактором риска развития ХБП [3]. Таким образом, акцентирование внимания врачеб-ного сообщества и пациентов на важность скрининга ХБП позволит улучшить отдаленный прогноз больных и снизить риск как почечных, так и сердечно-сосуди-стых осложнений.В последние десятилетия в ряде клинических исследований доказана возможность улучшения про-гноза больных ХСН и ХБП, в частности при исполь-зовании ингибиторов АПФ [4]. Тем не менее, нет четких свидетельств улучшения прогноза больных ХСН в общей популяции [5]. Причины данного несо-ответствия объясняются, по-видимому, недостатками в организации амбулаторного ведения пациентов с ХСН и низкой приверженности больных проводи-мой терапии. В российской части исследова-ния IMPROVEMENT HF показано несоответствие между рекомендуемыми и реально назначаемыми препаратами для лечения ХСН [6]. Высокие темпы летальности, возрастающая потребность в повторных госпитализациях свидетельствуют о низкой эффек-тивности существующей организации оказания медицинской помощи больным ХСН, прежде всего, на амбулаторном этапе. Очевидна необходимость поиска новых подходов к лечению и наблюдению пациентов с ХСН, одним из которых является орга-низация амбулаторного самоконтроля больных. Накоплен большой фактический материал о негатив-ном влиянии почечной дисфункции на клиническое течение, прогноз больных ХСН, частоту и длитель- Цель. Исследование влияния стратегии амбулаторного самоконтроля больных ХСН на состояние их почечной функции, электролитные наруше-ния, функциональный статус и количество повторных госпитализаций. Материал и методы. 122 пациента с выраженной ХСН (III-IV NYHA) были подразделены на 3 группы: I -группа амбулаторного самоконтроля после госпитального обучения в «Школе для больных ХСН», II -группа стандарт-ного госпитального обучения в «Школе для больных ХСН», III -группа конт-роля. У больных группы I в случае появления отеков/одышки была возмож-ность самостоятельной терапии торасемидом (по схеме) под контролем калия, натрия и креатинина крови. При неэффективности терапии пациенты группы I консультировались с врачом по телефону. Во время госпитального лечения, а также через 3, 6 и 9 месяцев амбулаторного наблюдения оцени-вались количество повторных госпитализаций, функциональный статус по данным теста с 6-минутной ходьбой, расчетная СКФ (CKD-EPI), разовая утренняя микроальбуминурия, концентрация калия и натрия сыворотки крови, приверженность терапии и уровень знаний о ХСН. Результаты. Количество повторных госпитализаций в группе I по сравне-нию с группами II и III снизилось на 37% и 45%, соо...
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
customersupport@researchsolutions.com
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.