Методы машинного обучения могут лучше прогнозировать риск кровотечения у пациентов, подвергающихся чрескожному коронарному вмешательству (ЧКВ), чем традиционные методы, сообщают исследователи из Йельского университета.
Исследовательская группа проанализировала данные из Национального реестра сердечно-сосудистых данных (NCDR) Американского колледжа кардиологов (ACD) за период с 2009 по 2015 год с использованием машинного обучения , ветви искусственного интеллекта, способного выполнять задачи, выводя шаблоны из данных. База данных включает более 3 миллионов процедур, проводимых в больницах по всей территории США. Команда обнаружила, что аналитика машинного обучения улучшила прогнозирование риска кровотечения после ЧКВ (часто используется для открытия кровеносных сосудов,суженных за счет образования бляшек), что может лучше информировать пациентов и врачей о решениях.
«Мы обнаруживаем, что машинное обучение может позволить нам улучшить нашу способность прогнозировать риск лучше, чем наши традиционные подходы», — сказал д-р Харлан Крумхольц, Йельский кардиолог и директор Йельского центра исследований и оценки результатов в больнице Нью-Хейвена (CORE). «Важно, что ключ заключается в том, как обрабатывается информация о пациентах еще до начала анализа. В будущем эти методы позволят нам персонализировать оценки в гораздо большей степени».
В состав команды входили клиницисты, клинические ученые и специалисты по данным. Это исследование является одним из первых, в котором машинное обучение применяется в огромных реестрах ACC. CORE является партнером ACC в Институте компьютерного здоровья сердечно-сосудистой системы, и этот проект является одним из первых продуктов этого сотрудничества.
