ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯПРОГНОЗИРОВАНИЯ СЕРДЕЧНО-СОСУДИСТЫХЗАБОЛЕВАНИЙ НА ОСНОВЕ КЛИНИКО-ДЕМОГРАФИЧЕСКИХДАННЫХ ПАЦИЕНТОВ

Abstract

В данной статье представлена разработка и оценка модели машинного обучения, направленной на прогнозирование наличия или отсутствия сердечных заболеваний у пациентов на основе их клинических и личных характеристик. Исследование включает анализ взаимосвязи между сердечными заболеваниями и различными факторами риска, такими как возраст, пол, уровень холестерина,
артериальное давление, наличие диабета и курение. Методология исследования включает симуляцию набора данных для 1000 пациентов, предварительную обработку данных, выбор и обучение модели логистической регрессии, а также оценку ее эффективности с
использованием таких метрик, как точность, чувствительность и специфичность. Результаты демонстрируют высокую точность модели в прогнозировании сердечных заболеваний, что подчеркивает потенциал использования машинного обучения в кардиологии для улучшения диагностики и профилактики. Это исследование может
способствовать разработке персонализированных подходов к управлению и предотвращению сердечных заболеваний, основанных на комплексном анализе индивидуальных характеристик пациента.