RT - 
SR - Electronic
T1 - Методы машинного обучения как инструмент диагностических и прогностических исследований при ишемической болезни сердца
JF - Российский кардиологический журнал
SP - 2023-01-16
DO - 10.15829/1560-4071-2020-3999
A1 - Гельцер, Б. И.
A1 - Циванюк, М. М.
A1 - Шахгельдян, К. И.
A1 - Рублев, В. Ю.
YR - 2020
UL - https://www.cardiojournal.online/publication/8997
AB - Методы машинного обучения (МО) являются основным инструментом искусственного интеллекта, использование которых позволяет автоматизировать обработку и анализ больших данных, выявлять на этой основе скрытые или неочевидные закономерности и извлекать новые знания. В обзоре представлен анализ научной литературы по использованию методов МО для диагностики и прогнозирования клинического течения ишемической болезни сердца. Приведены сведения по эталонным базам данных, использование которых позволяет разрабатывать модели и валидировать их (European ST-T Database, Cleveland Heart Disease database, Multi-Ethnic Study of Atherosclerosis и др.). Показаны преимущества и недостатки отдельных методов МО (логистической регрессии, машин опорных векторов, деревьев решений, наивного байесовского классификатора, k-ближайших соседей) для разработки диагностических и прогностических алгоритмов. К наиболее перспективным методам МО относят глубокое обучение, которое реализуется с помощью многослойных искусственных нейронных сетей. Предполагается, что совершенствование моделей на основе методов МО и их внедрение в клиническую практику будет способствовать поддержке принятия врачебных решений, повышению эффективности лечения и оптимизации расходов здравоохранения.