Передовые методы в биологии и медицине
Открытый доступ

Абстрактный

Эффективное обнаружение заболеваний сердца с использованием методов машинного обучения

Кашиш Агарвал*, Аюш Сингх, Ритик Махешвари

По данным Всемирной организации здравоохранения (ВОЗ), сердечные заболевания являются основной причиной смерти во всем мире, ежегодно унося около 17,9 миллионов жизней (32% от общего числа смертей). В эту группу заболеваний входят ишемическая болезнь сердца, цереброваскулярные заболевания, ревматические заболевания сердца и другие состояния. Большинство факторов риска сердечных заболеваний и инсульта, связанных с повседневной активностью, включают несбалансированное питание, физическую неактивность, инертность, употребление табака и алкоголя. Эти факторы риска могут проявляться у людей в виде повышенного артериального давления, повышенного уровня сахара в крови, повышенного уровня липидов в крови и ожирения. Эти промежуточные факторы риска можно измерить в учреждениях первичной медико-санитарной помощи, и они помогают определить повышенный риск сердечных осложнений, таких как сердечный приступ, инсульт, сердечная недостаточность.

Традиционно, обнаружение заболевания выполняется врачом на основе отчетов лабораторных исследований. Этот процесс включает в себя консультацию пациента с несколькими врачами, чтобы уменьшить коэффициент человеческой ошибки, что не только стоит больших денег, но и занимает огромное количество времени. В качестве решения этой проблемы используются различные методы на основе машинного обучения для предоставления неинвазивных решений. В этой статье мы предлагаем использовать такие машинные методы, которые могут быть использованы для проверки наличия у пациента какого-либо заболевания сердца или нет. Мы оцениваем наш подход на нескольких контрольных наборах данных и показываем, что он превосходит существующие современные методы и вносит значительный вклад.