Использование различных алгоритмов машинного обучения для прогнозирования смертности после острого инфаркта миокарда с использованием медицинских данных GUSTO-1

Аннотация

В настоящее время в мире существует множество заболеваний, угрожающих человечеству, и для этого медицинские методы лечения и диагностики также улучшились как в практическом, так и в статистическом плане. В данной статье обсуждается одно из самых ведущих заболеваний- инфаркт миокарда. Результаты по смертности показали, что 18,8% пациентов, госпитализированных с диагнозом ИМ, умерли. Гендерные результаты показали, что около 28% умерших пациентов с ИМ были женщинами, а 14%- мужчинами. Итак, по этим статистическим данным возникают жизненно важные потребности в диагностике и прогнозировании для разработки планов профилактики и смягчения заболеваний. Для этого одним из передовых методов являются классические алгоритмы прогнозирования Ml. Эксперименты и результаты показали, что данные испытаний GUSTO-I использовались для обучения моделей в различных видах алгоритмов ML, с точки зрения точности алгоритм Random Forest показал немного лучшие результаты. А также для оценки модели используются различные методы, включая перекрестную проверку, и метрики: точность, полнота (чувствительность), показатель F1, матрица путаницы, но окончательной метрикой точности была матрица путаницы. В итоге, для предсказания долгосрочной смертности от инфаркта миокарда, машинная обучающая модель, обученная и проанализированная на данных кардиологических исследований GUSTO-I, показала, что наиболее эффективным алгоритмом является случайный лес.