Согласно исследованиям, сегодня 85% смертей от сердечно-сосудистых заболеваний происходят из-за инфарктов и инсультов. Студентка ГУАП разработала алгоритм, который поможет медикам улучшить качество диагностики пациентов. Возможно, это спасет чью-то жизнь.
Студентка ГУАП Елизавета Симонова, выполняя свою магистерскую работу, участвовала в научных исследованиях лаборатории физиологии биоуправления ФГБНУ «Института экспериментальной медицины». Там она создала новый, основанный на методе машинного обучения алгоритм для распознавания состояний человека по регистрируемым гемодинамическим показателям. Это позволяет более точно прогнозировать изменения в состоянии здоровья человека при различных условиях.
– В ходе исследования мы измеряли гемодинамические параметры у испытуемых в трех положениях: два обычных – это положения лёжа и стоя; а третье не совсем обычное – качание. Каждое из этих положений заставляло сердечно-сосудистую систему функционировать по-новому, создавая определенное состояние гемодинамики, характеризуемое сочетанием различных параметров. Качание – это специфическое состояние, которое моделирует легкую нагрузку на сердце. Это состояние создается с помощью специального автоматизированного поворотного стола, на котором лежит испытуемый, попеременно занимая (с заданной частотой) то ортостатическое, то антиортостатическое положение. Зарегистрировав показатели частоты сердечных сокращений, ударного объёма сердца, систолического и диастолического давления, и затем, используя разработанный алгоритм, мы классифицировали состояния испытуемого при его различных положениях. Сравнив параметры, полученные во время второго визита испытуемого с нормальными диапазонами, определенными при первом визите, также с использованием разработанного алгоритма определяли произошедшие изменения. Разработка собственной методики анализа гемодинамических показателей позволит выявлять ранние нарушения в регулировании кровообращения и принимать персонализированные меры профилактики в зависимости от состояния здоровья пациентов, – рассказала студентка ГУАП, разработчик проекта.
Исследование показало, что показатели сердечно-сосудистой системы (систолическое артериальное давление, диастолическое артериальное давление, ударный объем сердца, частота сердечных сокращений) имеют разные диапазоны нормальных значений у испытуемых в различных состояниях гемодинамики. Для оценки результатов исследования и автоматизации диагностики развития нарушений в функционировании сердечно-сосудистой системы была разработана программа на языке Python, реализующая метод машинного обучения «Случайный лес» для обучения модели классификации на индивидуальных данных каждого испытуемого.
Программа будет применяться для дальнейшего развития методов мониторинга и диагностики сердечно-сосудистых заболеваний. Она позволит выявлять ранние нарушения кровообращения и принимать персонализированные меры профилактики и лечения в зависимости от состояния здоровья пациентов. Также алгоритм может быть интегрирован в системы медицинского мониторинга для улучшения качества диагностики и лечения пациентов.