Система прогнозирования рецидивов аритмии создана в России

Молодой ученый из Челябинского государственного университета разработал и протестировал систему на основе искусственного интеллекта, предназначенную для оценки риска повторных эпизодов фибрилляции предсердий, одной из самых распространенных и опасных форм аритмии. Эта разработка позволяет заранее определять пациентов с высоким риском рецидива и объясняет врачу, на каких показателях основано принятое решение. Об этом пишет портал ТАСС.

По информации пресс-службы вуза, создание и тестирование системы стали значительным шагом для клинической практики. Ученые добились высокой точности и полной объяснимости прогнозов рецидивов аритмии, основываясь на клинических данных. Алгоритм демонстрирует врачу не только результат, но и логику принятия решения, что кардинально меняет подход к работе с пациентами, находящимися в группе высокого риска.

Система была разработана Алексеем Седелковым с математического факультета ЧелГУ под руководством доцента Михаила Лепчинского и при поддержке Игоря Изместьева. Работа проводилась совместно с кардиологами областной клинической больницы №3, что позволило интегрировать математические методы с реальными клиническими задачами.

В ходе создания системы были проанализированы данные комплексного обследования 97 пациентов, которые проходили лечение в ОКБ №3 с 2010 по 2013 год. Каждый случай описывался 27 клиническими признаками, включая результаты анализов и инструментальные показатели. После предварительной обработки количество факторов было уменьшено до 18. Для проверки надежности прогнозов использовался метод перекрестного тестирования.

Ученые отметили, что при сравнении различных алгоритмов машинного обучения наилучшие результаты показал метод опорных векторов. Система относит пациента к группе риска, если вероятность рецидива превышает 91%. Такой строгий критерий минимизирует частоту ложноположительных заключений и позволяет врачам сосредоточиться на наиболее тяжелых случаях.

Одной из ключевых задач было обеспечение прозрачности работы алгоритма. Автор успешно применил метод, который объясняет вклад каждого клинического признака в итоговое решение. Созданная система теперь представляет собой готовый инструмент для поддержки принятия решений в практической кардиологии.