Abstract

Machine learning (ML) is among the main tools of artificial intelligence and are increasingly used in population and clinical cardiology to stratify cardiovascular risk. The systematic review presents an analysis of literature on using various ML methods (artificial neural networks, random forest, stochastic gradient boosting, support vector machines, etc.) to develop predictive models determining the immediate and long-term risk of adverse events after coronary artery bypass grafting and percutaneous coronary intervention. Most of the research on this issue is focused on creation of novel forecast models with a higher predictive value. It is emphasized that the improvement of modeling technologies and the development of clinical decision support systems is one of the most promising areas of digitalizing healthcare that are in demand in everyday professional activities.

Highlights

  • Методы машинного обучения (МО) относятся к основным инструментам искусственного интеллекта и все шире используются в популяционной и клинической кардиологии для стратификации рисков развития сердечно-сосудис­ тых заболеваний и их осложнений

  • The systematic review presents an analysis of literature on using various Machine learning (ML) methods to develop predictive models determining the immediate and long-term risk of adverse events after coronary artery bypass grafting and percutaneous coronary intervention

  • Interact Cardiovasc Thorac Surg. 2018;26(2):257-63. doi:10.1093/ icvts/ivx330

Read more

Summary

МО в прогнозировании ближайших и отдаленных результатов КШ

В последние годы интерес к практическому применению алгоритмов МО для прогнозирования ближайших и отдаленных результатов КШ постоянно возрастает в связи с разработкой новых моделей с более высокой предсказательной точностью. При этом некоторые известные факторы риска (хроническая обструктивная болезнь легких (ХОБЛ) и заболевания периферических артерий) в разработанной модели логистической регрессии (ЛР) являлись предикторами неблагоприятного исхода только для лиц мужского пола, что подтверждает необходимость персонифицированного подхода к расчету риска [17]. Пациентов была разработана модель риска 30-дневной летальности, предикторами которой являлись возраст более 65 лет, женский пол, наличие хронической сердечной недостаточности (ХСН), фракция выброса (ФВ) левого желудочка (ЛЖ)

Предикторы шкал EuroSCORE и EuroSCORE II
Результирующая точка
Риск контрастиндуцированного повреждения почек
Методы МО в прогнозировании ближайших и отдаленных результатов ЧКВ

Talk to us

Join us for a 30 min session where you can share your feedback and ask us any queries you have

Schedule a call

Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.