Моделирование физиологических показателей на уровне порога анаэробного обмена с использованием методов искусственного интеллекта

Цель исследования - разработка модели предсказания количественных значений физиологических показателей работы организма на уровне порога анаэробного обмена при выполнении эргоспирометрического нагрузочного тестирования до отказа с использованием алгоритмов машинного обучения. Материалы и методы. Обработаны результаты 1273 наблюдений спортсменов в возрасте 18-35 лет. Спортсмены выполняли ступенчато-возрастающую нагрузку на беговой дорожке до отказа. Для определения физиологических показателей на уровне порога анаэробного обмена были разработаны модели на основе алгоритмов машинного обучения из библиотеки Scikit-learn: линейная регрессия, регрессионный случайный лес, градиентный бустинг, регрессионные вектора. Результаты. Модель на основе алгоритма регрессионных векторов показывает наилучшие метрики по показателям ЧСС, МОД, O2/ЧСС (r2 составляет 0,82; 0,90; 0,91 соответственно), а по показателям VO2, VCO2 несколько уступает (-0,76 % и -0,16 % соответственно) алгоритму линейной регрессии (r2 составляет 0,87; 0,86 соответственно). Заключение. Количественные значения показателей точности разработанной модели на основе алгоритма регрессионных векторов сопоставимы с результатами аналогичных работ, что дает возможность использования ее в качестве рекомендательной системы для помощи специалистам в исследованиях, целью которых является определение количественных значений показателей на уровне ПАНО. Слабым местом модели является использование признаков, зависящих от протокола нагрузки, поэтому дальнейшее совершенствование модели будет направлено на нивелирование этого недостатка.