Информационная система

Исследователи НИИ КПССЗ (г. Кемерово, Кемеровская область - Кузбасс) совместно с ООО «Айтентика» и ООО «Международный инновационный консалтинг» разработали информационную систему «Предиктивная аналитика неблагоприятных сердечно-сосудистых событий с учетом антропогенного воздействия на территорию проживания» — на основе технологий искусственного интеллекта.

Авторы: Е.Д. Баздырев, Д.П. Цыганкова, М.В. Трифонова , О.В. Нахратова Г.В. Артамонова, А.В. Палагутин, В.В. Жиров, А.А. Лосихин, Е.Г. Князев.

Проект реализован научными сотрудниками лаборатории эпидемиологии сердечно-сосудистых заболеваний под руководством доктора медицинских наук, профессора Галины Владимировны Артамоновой.

Развитие хронических неинфекционных заболеваний, к которым относятся болезни системы кровообращения, это результат сочетания генетических, физиологических, экологических, поведенческих и социальных факторов. По данным ВОЗ, ишемическая болезнь сердца, фибрилляция предсердий, инсульт, сердечная недостаточность составляют 43% всех случаев смерти от хронических неинфекционных заболеваний.

Не вызывает сомнений, что среда, в которой живут люди (социально-экономический статус, инфраструктура, экология), оказывает влияние на их общее здоровье и продолжительность жизни.

Прогнозирование болезней системы кровообращения играет ключевую роль в предотвращении развития фатальных кардиоваскулярных событий, а использование методов машинного обучения помогает создавать более точный индивидуальный прогноз рисков для каждого пациента.

Разработка кемеровских ученых — это новый взгляд на оценку факторов риска болезней системы кровообращения.

«В настоящее время существует множество инструментов прогнозирования сердечно-сосудистых заболеваний, но, как правило, все шкалы и модели учитывают исключительно традиционные факторы риска, к которым относятся курение, повышенный уровень холестерина, артериальная гипертония, недостаточная физическая активность, неправильное питание и другие. Новизна нашего исследования в том, что проведен анализ риска неблагоприятных сердечно-сосудистых событий с учетом такого фактора риска как антропогенное загрязнение воздуха. Программа разработана с учетом региональных экологических особенностей. С помощью технологий искусственного интеллекта из всего многообразия - а это порядка 2000 параметров - системой были отобраны наиболее значимые с позиции неблагоприятного прогноза. Кроме этого, системой выделены диапазон факторов риска - увеличивающий или снижающий данный риск. Необходимо отметить, что сформированные диапазоны параметров зачастую отличаются от общепринятых. Так, например если индекс массы тела более 30 кг/м2 общепринято считается увеличивающий риск сердечно-сосудистых катастроф, то для жителей нашего региона, данный параметр ниже и для жителей города составил более 28 кг/м2 , для жителей села - 26 кг/м2. Такие закономерности выведены и по уровню холестерина и его фракций. Персонифицированный подход к выявлению факторов риска позволит своевременно начать профилактику и при необходимости лечение, а следовательно снизить риск развития инфаркта миокарда, инсульта и хронической сердечной недостаточности», — отмечает руководитель проекта Галина Владимировна Артамонова, заместитель директора НИИ КПССЗ по научной работе, заведующая отделом оптимизации медицинской помощи при сердечно-сосудистых заболеваниях, доктор медицинских наук, профессор.

Модель предиктивной аналитики кемеровских ученых основана на фактах многолетних исследований. Проведена масштабная работа. Выборка проекта чуть меньше 3000 респондентов - участников эпидемиологических исследований. Для построения прогностических моделей использован градиентный бустинг - метод машинного обучения, который последовательно создает набор слабых прогностических моделей, и комбинирует их в единую сильную модель.

Разработанный методический подход к прогнозированию болезней системы кровообращения обеспечивает «информационный прирост» для существующих моделей, и включает использование комплекса различных клинических, лабораторных и инструментальных методов на базе современных технологий анализа больших объемов данных. Модель позволяет увеличить точность прогноза и эффективность профилактических мероприятий, направленных на снижение заболеваемости и смертности от болезней системы кровообращения.

Проект реализован в рамках фундаментальной темы НИИ КПССЗ, который является подведомственным учреждением Министерства науки и высшего образования РФ.