Abstract

Aim. To study the possibilities of neural network analysis of clinical and instrumental data to predict the mortality risk in patients after acute coronary syndrome (ACS).Material and methods. The study involved 400 patients after ACS which who observed for 62 months. The criterion for the complicated course of coronary artery disease (CAD) is the cardiovascular death. Group 1 consisted of 310 patients with uncomplicated course of CAD; group 2 — 90 patients with complicated course of CAD. To predict mortality risk, the machine learning method and neural network analysis was used. Machine learning was carried out with the inclusion of clinical, laboratory and instrumental (electrocardiography, echocardiography) parameters (49 in total). To solve the classification problems, two types of neural network architectures were used: Multilayer Perceptron (MLP) and Convolutional Neural Networks (CNN). The ratio in the examples for learning and validation was 340/60. The method of learning with a teacher was used on the available data in which the outcomes were known, and the neural network parameters were adjusted so as to minimize the error.Results. The following factors made the highest contribution to the mortality risk after ACS: age; history of MI and acute cerebrovascular accident; atrial fibrillation, class 2-3 heart failure; no history of percutaneous coronary intervention; stage 3 chronic kidney disease; reduced left ventricle ejection fraction. Most of the deaths occurred in the 2nd and 4th years of follow-up, which may be due to the low effectiveness of secondary prevention of CAD. CNN architecture had higher accuracy (sensitivity — 68%; specificity — 84%; area under curve=0,74). An advantage of CNN is its ability to analyze patterns over time using recurrent neural networks.Conclusion. Neural network analysis of clinical, laboratory and instrumental data allows configuring network parameters for mortality risk prediction. CNN predicts 5-year mortality risk after ACS with a sensitivity of 68% and a specificity of 84%.

Highlights

  • ишемической болезни сердца (ИБС) — ишемическая болезнь сердца, острого коронарного синдрома (ОКС) — острый коронарный синдром, ИМ — инфаркт миокарда, левого желудочка (ЛЖ) — левый желудочек, ХБП — хроническая болезнь почек, ЕКО — европейское кардиологическое общество, КАГ — коронарография, чрескож‐ ное коронарное вмешательство (ЧКВ) — чрескожное коронарное вмешательство, острое нарушение мозго‐ вого кровообращения (ОНМК) — острое нарушение мозгового кровообращения, ЭКГ — электрокардиограмма, Эхо-КГ — эхокардиография

  • Поэтому актуальным является сбор регистровых данных в каждом регионе с дальнейшим применением машинного обучения и технологии искусственного интеллекта для получе‐ ния более точной прогностической информации и улучшения качества оказания помощи больным с ИБС

  • 9. Kwon JM, Kim KH, Jeon KH, et al Artificial intelligence algorithm for predicting mortality of patients with acute heart failure

Read more

Summary

Conclusion

Neural network analysis of clinical, laboratory and instrumental data allows configuring network parameters for mortality risk prediction. Больных ИБС, что превышает аналогичный показатель развитых стран. Использование такой методологии для анализа больших данных в клинических исследованиях может способствовать разработке широко применимых моделей прогнози‐ рования, а также улучшению способности предска‐ зывать будущие события, что является основным направлением в эпоху точной медицины. Поэтому актуальным является сбор регистровых данных в каждом регионе с дальнейшим применением машинного обучения и технологии искусственного интеллекта для получе‐ ния более точной прогностической информации и улучшения качества оказания помощи больным с ИБС. Целью исследования является изучение возмож‐ ности применения нейросетевого анализа клиникоинструментальных данных для прогнозирования риска летальных исходов у больных после перенесен‐ ного острого коронарного синдрома (ОКС). Таблица 1 Характеристика и однофакторный анализ факторов риска, ассоциированных с летальностью исследованных больных с ИБС (OR (отношение шансов) с 95% доверительным интервалом)

Исходный уровень АД
Количество больных
False Positive Rate

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.