ОПРЕДЕЛЕНИЕ СЕРДЕЧНОЙ НЕДОСТАТОЧНОСТИ ЧЕРЕЗСОВРЕМЕННЫЕ ГАДЖЕТЫ: ПЕРСПЕКТИВЫ И ОГРАНИЧЕНИЯ

Аннотация

В статье рассматривается актуальная задача создания модели машинного обучения для прогнозирования риска развития сердечной недостаточности на базе данных, полученных от носимых устройств. С учетом стремительного развития персонализированной медицины и повышения возможностей современных технологий носимых гаджетов, исследование направлено на выявление и анализ ключевых
физиологических показателей, способных указывать на повышенный риск сердечнососудистых заболеваний. Подход объединяет комплексные этапы сбора, предварительной обработки и детального анализа данных, разработку и валидацию прогностической
модели, а также оценку ее эффективности с использованием стандартных метрик машинного обучения. В рамках методологии осуществляется сбор анонимизированных данных о частоте сердечных сокращений, вариабельности сердечного ритма,
артериальном давлении и уровне насыщения крови кислородом. Далее данные подвергаются тщательной предварительной обработке для исключения искажений и стандартизации масштабов измерения. Основываясь на дескриптивном анализе и выявлении ключевых показателей, разрабатывается и тренируется модель на основе
алгоритмов логистической регрессии, случайного леса и градиентного бустинга. Эффективность модели оценивается через анализ точности, полноты, F1-оценки и площади под кривой ROC. Результаты подтверждают высокий потенциал использования
носимых устройств в качестве эффективного инструмента для раннего выявления и предотвращения сердечной недостаточности, способствуя улучшению профилактических и лечебных стратегий в области сердечно-сосудистых заболеваний. Исследование открывает новые перспективы для дальнейшего интегрирования
технологий машинного обучения в клиническую практику, способствуя развитию персонализированной медицины и повышению качества жизни пациентов.