Статья: ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ВЕЛОЭРГОМЕТРИЧЕСКОЙ ПРОБЫ: ПРОСПЕКТИВНОЕ КОГОРТНОЕ ИССЛЕДОВАНИЕ (2026)

Читать онлайн

Цель исследования — разработка оптимального метода прогнозирования результатов велоэргометрической (ВЭМ) пробы на основе параметров, регистрируемых во время теста с шестиминутной ходьбой (ТШХ), с использованием методов машинного обучения.

Материалы и методы. В исследовании участвовали 56 пациентов, перенесших острый инфаркт миокарда и проходивших второй этап кардиореабилитации. Выполнено комплексное обследование, включающее сбор анамнеза, физикальное обследование, антропометрическую оценку, а также симптом-лимитированную ВЭМ-пробу и ТШХ. Во время ТШХ регистрировали пройденную дистанцию, частоту сердечных сокращений, артериальное давление, сатурацию кислорода, воспринимаемое напряжение по шкале Борга, количество пройденных шагов и электрокардиографические данные. Для построения моделей машинного обучения использовали алгоритмы случайного леса, градиентного бустинга, метода k-ближайших соседей и множественной линейной регрессии. Производительность моделей оценивали на основе коэффициента детерминации, средней абсолютной ошибки, среднеквадратичной ошибки и корня из среднеквадратичной ошибки. Для интерпретации результатов применяли SHAPанализ.

Результаты. Модель градиентного бустинга обеспечивает наилучшее качество прогноза с высоким коэффициентом детерминации (R2 около 0,99) и низкими значениями ошибок для обеих целевых метрик: пройденной дистанции в ТШХ и метаболического эквивалента, достигнутого при ВЭМ-пробе. Анализ значимости признаков выявил, что частота сердечных сокращений, возраст и индекс массы тела оказывают наибольшее влияние на прогнозирование дистанции ТШХ, в то время как для прогнозирования метаболического эквивалента наиболее значимыми являются пройденное расстояние, количество пройденных шагов и индекс массы тела.

Заключение. Разработанная модель машинного обучения на основе градиентного бустинга продемонстрировала высокую эффективность в прогнозировании результатов ВЭМ-пробы на основе данных ТШХ. Предложенный метод может служить ценным вспомогательным инструментом для планирования программ кардиореабилитации, особенно в случаях, когда проведение ВЭМ-пробы затруднено или невозможно. Использование SHAP-анализа способствовало пониманию вклада каждого признака в прогноз, повышая доверие к результатам модели.

Ключевые фразы: машинное обучение, велоэргометрическая проба, тест с шестиминутной ходьбой, кардиореабилитация, прогнозирование, ГРАДИЕНТНЫЙ БУСТИНГ
Автор (ы): Березина Елена Владимировна (Berezina E. V.), Блинова Ксения Александровна (Blinova K. A.), Дмитриева Ольга Александровна (Dmitrieva O. A.), Мишина Ирина Евгеньевна (Mishina I. E.)
Журнал: СОВРЕМЕННЫЕ ТЕХНОЛОГИИ В МЕДИЦИНЕ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Клиническая медицина
УДК
004.85. Обучение
612.76. Перемещение в пространстве. Основы биомеханики
Для цитирования:
БЕРЕЗИНА Е. В., БЛИНОВА К. А., ДМИТРИЕВА О. А., МИШИНА И. Е. ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ПРОГНОЗИРОВАНИЯ РЕЗУЛЬТАТОВ ВЕЛОЭРГОМЕТРИЧЕСКОЙ ПРОБЫ: ПРОСПЕКТИВНОЕ КОГОРТНОЕ ИССЛЕДОВАНИЕ // СОВРЕМЕННЫЕ ТЕХНОЛОГИИ В МЕДИЦИНЕ. 2026. № 2, ТОМ 18
Текстовый фрагмент статьи
Моя история просмотров (10)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.