Передовое машинное обучение способствует повышению точности национального калькулятора сердечно-сосудистых рисков

Калькуляторы риска играют важнейшую роль в оценке вероятности заболевания у миллионов пациентов, что делает их точность критически важной. Однако, когда национальные модели адаптируются к местным условиям, они часто теряют свою точность и становятся менее понятными для пользователей.

Исследователи из Brigham and Women's Hospital применили современные методы машинного обучения, чтобы улучшить точность национального калькулятора сердечно-сосудистых рисков, при этом сохранив его интерпретируемость.

Результаты исследования были проверены на базе электронных медицинских записей из больницы Mass General Brigham, и выяснилось, что калькулятор стал более точным. Примерно каждого десятого пациента удалось перевести в другую категорию риска. Эти данные были опубликованы в журнале JAMA Cardiology.