Молодой исследователь Челябинского государственного университета Алексей Седелков создал систему искусственного интеллекта для прогнозирования повторных эпизодов фибрилляции предсердий. Разработка предназначена для оценки риска рецидива аритмии и уже прошла успешные испытания.
Главная особенность системы заключается в том, что она объясняет полученный прогноз. Врач может увидеть не только вероятность повторного нарушения сердечного ритма, но и понять, какие показатели пациента оказали наибольшее влияние на решение алгоритма. Как сообщили ТАСС в пресс-службе ЧелГУ, такой подход предназначен для работы с пациентами высокого риска.
Проект подготовлен под руководством доцента кафедры вычислительной математики Михаила Лепчинского при участии и. о. заведующего кафедрой теории управления и оптимизации Игоря Изместьева. Исследование проводилось совместно с кардиологами областной клинической больницы №3. Это позволило проверить математические методы на данных, полученных в клинической практике.
В основу системы легли сведения о 97 пациентах, лечившихся в ОКБ №3 в период с 2010 по 2013 год. Для каждого из них первоначально учитывали 27 клинических параметров, в том числе результаты анализов и инструментальных обследований. После предварительного анализа специалисты оставили 18 наиболее значимых факторов и использовали перекрестное тестирование для оценки надежности модели на небольшой выборке.
Из нескольких рассмотренных методов машинного обучения наиболее эффективным оказался метод опорных векторов. Алгоритм относит человека к группе повышенного риска лишь при расчетной вероятности рецидива выше 91%. Такой высокий порог выбран для того, чтобы максимально снизить количество ложных предупреждений и сосредоточить внимание врачей на наиболее серьезных случаях.
Разработчикам также удалось сделать механизм принятия решения прозрачным. Специальный метод показывает степень влияния каждого из 18 признаков на итоговый результат. В настоящее время созданная система рассматривается как готовый инструмент, способный помогать кардиологам при принятии клинических решений.