Machine learning for assessing the pretest probability of obstructive and non-obstructive coronary artery disease

Abstract

В обзоре представлен анализ научной литературы по результатам использования методов машинного обучения (МО) для оценки предтестовой вероятности (ПТВ) обструктивных (ОПКА) и необструктивных (НПКА) поражений коронарных артерий (КА) у больных с различными клиническими вариантами ишемической болезни сердца. Приведены данные о высокой распространенности НПКА среди лиц, направляемых на инвазивную коронарографию (КАГ), что послужило поводом для разработки моделей и алгоритмов на основе методов МО для использования в качестве дополнительных инструментов ПТВ, позволяющих прогнозировать анатомический статус КА до проведения КАГ Применение современных технологий моделирования обладает большим потенциалом в верификации НПКА и ОПКА. Подчеркивается, что совершенствование прогностических моделей и их внедрение в клиническую практику является важным элементом поддержки принятия врачебных решений и должно осуществляться на основе междисциплинарной научной кооперации клиницистов и специалистов в области информационных технологий.