Модель прогнозування цереброваскулярних хвороб

Abstract

У статті досліджено середньо- та довгострокове прогнозування ризику розвитку хвороб судин головного мозку на основі лікарських записів пацієнтів. Актуальність роботи зумовлена високою смертністю від серцево-судинних захворювань, зокрема цереброваскулярних хвороб (ЦВХ), та необхідністю раннього виявлення груп ризику. Запропоновано підхід щодо аналізу безпосередньо текстів медичних історій, а не структурованих даних з медичних приладів (як у разі більшості наявних підходів). Застосовано наївний баєсів класифікатор для визначення можливості розвитку ЦВХ за допомогою характерних слів (слів-ознак) в історіях хвороб. Раніше навчання та тестування моделі проводилися на основі українських записів. У цьому дослідженні додано коди діагнозів до слів-ознак, відібрано медичні терміни за допомогою великої мовної моделі ChatGPT-3.5-turbo та перекладено тексти англійською для розширення функціональності моделі. З огляду на ці нововведення та їх різні комбінації проведено чотири експерименти, в яких продемонстровано точність від 77,5 % до 88,6 % і AUC-ROC (Area Under the Receiver Operating Characteristic Curve) у межах 0,86–0,97. Показано, що навіть за умови неструктурованих даних за допомогою моделі забезпечується надійне прогнозування ризику ЦВХ, крім того, потенційно її можна адаптувати й до виявлення інших неінфекційних захворювань. Розроблений підхід можна застосовувати у клінічній практиці для отримання додаткової експертної думки щодо лікарського висновку, розробки персоналізованих профілактичних рекомендацій, оптимізації застосування ресурсів медичних установ і формування стратегій державного управління охорони здоров’я.

Ähnliche Arbeiten