RT - 
SR - Electronic
T1 - Совершенствование возможностей оценки сердечно-сосудистого риска при помощи методов машинного обучения
JF - Российский кардиологический журнал
SP - 2023-01-16
DO - 10.15829/1560-4071-2021-4618
A1 - Гусев, А. В.
A1 - Гаврилов, Д. В.
A1 - Новицкий, Р. Э.
A1 - Кузнецова, Т. Ю.
A1 - Бойцов, С. А.
YR - 2021
UL - https://www.cardiojournal.online/publication/9382
AB - Рост распространенности сердечно-сосудистых заболеваний (ССЗ) определяет важность их прогноза, необходимость точной стратификации рисков, профилактических и лечебных воздействий. Большие базы медицинских данных и технологии их обработки в виде алгоритмов машинного обучения, появившиеся в последние годы, потенциально позволяют улучшить предсказательную точность и персонализировать терапевтические подходы к ССЗ. В обзоре исследуется применение машинного обучения в предсказании и определении клинических событий кардиологического профиля. Обсуждается роль данной технологии как в расчете общего сердечно-сосудистого риска, так и предсказании отдельных заболеваний и событий. Сравнивается предсказательная точность с принятыми шкалами расчета рисков и действие различных алгоритмов машинного обучения. Анализируются условия для применения машинного обучения и возможности разработки персонализированной тактики ведения больных с ССЗ.