@article{Гельцер2023-01-16,
author = {Б. И. Гельцер, В. Ю. Рублев, М. М. Циванюк, К. И. Шахгельдян},
title = {Машинное обучение в прогнозировании ближайших и отдаленных результатов реваскуляризации миокарда: систематический обзор},
year = {2021},
doi = {10.15829/1560-4071-2021-4505},
publisher = {NP «NEICON»},
abstract = {Методы машинного обучения (МО) относятся к основным инструментам искусственного интеллекта и все шире используются в популяционной и клинической кардиологии для стратификации рисков развития сердечно-сосудистых заболеваний и их осложнений. В систематическом обзоре представлен анализ научной литературы по результатам использования различных методов МО (искусственных нейронных сетей, случайного леса, стохастического градиентного бустинга, машины опорных векторов и др.) для разработки прогностических моделей, определяющих риск развития неблагоприятных событий в ближайшем и отдаленном периодах после коронарного шунтирования и чрескожных коронарных вмешательств. Большинство исследований по данной проблеме сосредоточено на создании новых прогностических моделей c более высокой предсказательной ценностью, что является базовым условием для их внедрения в клиническую практику. Подчеркивается, что совершенствование технологий моделирования и разработка на этой основе практико-ориентированных инструментов поддержки принятия врачебных решений относится к одному из наиболее перспективных направлений цифровизации здравоохранения, востребованных в повседневной профессиональной деятельности.},
URL = {https://www.cardiojournal.online/publication/9250},
eprint = {https://www.cardiojournal.online/files/9806},
journal = {Российский кардиологический журнал},
}