Системы искусственного интеллекта в профилактике и диагностике сердечно-сосудистой патологии в России (систематический обзор)

Цель исследования: анализ работ, проводимых в России за последние 5 лет, по выявлению рисков развития сердечно-сосудистых заболеваний (ССЗ) с использованием методов и технологий искусственного интеллекта (ИИ).Материал и методы. Систематический обзор доступной литературы за последние 5 лет по использованию методов машинного обучения и представления знаний в прогнозировании развития и исходов ССЗ в России был выполнен на основе методологии Prisma. Была проанализирована 221 статья.Обсуждение. Результат систематического обзора представляет собой анализ представленных методов построения моделей, какие чаще всего используются, и с помощью каких метрик исследователи оценивают качество полученной модели. Чаще всего применяются методы машинного обучения в сравнении с методами, основанными на знаниях (экспертными системами), 22 статьи и 7 статей соответственно. Анализируя использованные методы машинного обучения, можно отметить, что первые 5 мест среди применяемых в России методов занимают нейронные сети, регрессия, дерево решений, бустинг и случайный лес. Среди моделей представления знаний наиболее распространенными оказались онтология и семантические сети, которые часто применяются для структурирования и анализа сложных данных в различных областях знаний. Практически все исследователи в своих работах оценивали созданную модель на тестовой выборке и рассматривали численные метрики: accuracy (точность измерения), precision (точность средства измерения), полнота (recall), specificity (специфичность), sensitivity (чувствительность), AUC (площадь под ROC-кривой), F-measure (F-мера). Обсуждение представляет собой рассуждение об использовании различных метрик для оценки разных вариантов моделей.Заключение. Обобщены итоги анализа работ, использующих ИИ для профилактики и диагностики ССЗ, дана оценка их дальнейшего применения.