Систематический обзор методов машинного обучения для прогнозирования сердечно-сосудистых заболеваний по большим массивам медицинских данных

Во всем мире наблюдается значительный рост распространенности сердечно-сосудистых заболеваний. Поэтому крайне важно добиться максимально высокой точности их прогнозирования. Прогнозирование с помощью методов машинного обучения может способствовать выявлению сердечно-сосудистых заболеваний с высокой точностью. Эффективное прогнозирование заболевания позволяет диагностировать его на ранних стадиях и снижать смертность. Для анализа анамнеза и причин сердечно-сосудистых заболеваний необходимы эффективные методы их выявления и прогнозирования. Анализ данных позволяет строить прогнозы на основе больших массивов информации и помогает медицинским учреждениям оценивать дальнейшее течение заболевания. В медицинских организациях регулярно накапливается большой объем данных о пациентах. Собранную информацию можно использовать для прогнозирования развития заболеваний. В настоящем исследовании проведен подробный сравнительный анализ методов машинного обучения, применяемых для прогнозирования сердечно-сосудистых заболеваний, прежде всего алгоритмов классификации и прогнозирования. Выполнен углубленный анализ 41 публикации, посвященной применению методов машинного обучения при сердечно-сосудистых заболеваниях. Отобранные публикации подвергнуты строгой оценке; выявлены пробелы в имеющихся научных данных, что может быть полезно исследователям при разработке и внедрении методов в клиническую практику, главным образом для наборов данных о сердечно-сосудистых заболеваниях. Полученные результаты помогут практикующим врачам заранее прогнозировать риск сердечно-сосудистых осложнений и принимать профилактические меры.