Эффективность и клиническая применимость машинного обучения для выявления семейной гиперхолестеринемии в первичной медико-санитарной помощи
Boris Pomogaibo, Maxim Pugachev
Семейная гиперхолестеринемия (СГХС) - распространенное наследственное заболевание, вызывающее пожизненное повышение уровня липопротеинов низкой плотности (ЛПНП). Большинство людей с СГХС остаются невыявленными, что исключает возможность предотвращения преждевременных сердечно-сосудистых катастроф. Некоторые подходы к машинному обучению улучшают обнаружение СГХС в электронных медицинских картах, хотя их клиническое влияние недостаточно изучено. В исследовании оценена эффективность множества подходов к машинному обучению для улучшения выявления СГХС и их клиническая применимость в большой популяции при оказании первичной медико-санитарной помощи. Ретроспективное когортное исследование было проведено с использованием стандартных медицинских карт первичной медико-санитарной помощи 4027775 человек из Соединенного Королевства с общим холестерином, измеренным с 1 января 1999 г. по 25 июня 2019 г. Для обнаружения СГХС оценивалась точность прогнозов пяти распространенных алгоритмов машинного обучения (логистическая регрессия, случайный лес, повышение градиента, нейронные сети и ансамбль методов). Модели машинного обучения демонстрируют аналогичную высокую точность при обнаружении СГХС, предлагая возможности для улучшения диагностики.