Построение прогностических моделей – перспективное направление для профилактической медицины, а поиск новых факторов, влияющих на сердечно-сосудистое здоровье, является важным дополнением к зарекомендовавшим себя шкалам риска. Цель исследования – поиск значимых факторов сердечно-сосудистого риска и разработка прогностической модели с использованием машинного обучения у здоровых лиц. Основой анализа стал массив анамнестических, клинических, инструментальных, лабораторных, социально-экономических и др. параметров двух этапов эпидемиологического исследования (исследовательский центр Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний, г. Кемерово), включавшего 1 217 участников в возрасте 35–70 лет. Здоровых респондентов было 70,9 % (n = 863), с болезнями системы кровообращения – 29,1 % (n = 354). Совокупно методами искусственного интеллекта проанализировано 1 915 признаков. Определены наиболее значимые признаки с позиции неблагоприятного сердечно-сосудистого исхода (стенокардия, инфаркт миокарда, сердечная недостаточность, инсульт, нарушение ритма сердца, фибрилляция и/или трепетания предсердий и др.). Так, выделено 28 значимых признаков, на основе которых построена прогностическая модель. Необходимо отметить, что к наиболее значимым параметрам были отнесены объём форсированного выдоха за 1 секунду, доля внутреннего жира, отсутствие потребление алкоголя, изменение потребления соли после врачебной рекомендации и отсутствие работы. Определены значимые ранее не признанные в качестве факторов сердечно-сосудистого риска признаки, что обеспечивает «информационный прирост» для расширения традиционных прогностических моделей.
Construction of prognostic models is a promising direction for preventive medicine. The search for new factors affecting cardiovascular health is an important addition to conventional risk scores. The aim of the study was to search for significant cardiovascular risk factors and develop a prognostic model using machine learning in healthy individuals. The analysis was based on an dataset of anamnestic, clinical, paraclinical, socio-economic and other parameters of two stages of the epidemiological study (Research Institute for Complex Issues of Cardiovascular Diseases, Kemerovo), which included 1 217 participants aged 35–70 years. There were 70.9 % (n = 863) and 29.1 % (n = 35) healthy respondents and cardiovascular patients, respectively. A total of 1, 915 features were analyzed using artificial intelligence. We identified 28 significant predictors of the following unfavorable cardiovascular outcomes: angina, myocardial infarction, heart failure, stroke, arrhythmias (atrial fibrillation and/or flutter), etc. Based on these, a prognostic model was developed. It should be noted that the most significant parameters included the forced expiratory volume in one second, internal fat proportion, no alcohol consumption, a change in salt intake after a doctor's recommendation, and no job. The paper determined the significant features that had not previously been recognized as cardiovascular risk factors affecting cardiovascular health. This undoubtedly provides an information gain for conventional prognostic models.
Результаты получены при поддержке Российской Федерации в лице Министерства науки и высшего образования РФ в рамках Соглашения о предоставлении из федерального бюджета грантов в форме субсидий от 30 сентября 2022 г. № 075-15-2022-1202, комплексной научно-технической программы полного инновационного цикла «Разработка и внедрение комплекса технологий в областях разведки и добычи твердых полезных ископаемых, обеспечения промышленной безопасности, биоремедиации, создания новых продуктов глубокой переработки из угольного сырья при последовательном снижении экологической нагрузки на окружающую среду и рисков для жизни населения» (утвержденной распоряжением Правительства Российской Федерации от 11 мая 2022 г. № 1144-р).