پیش‌بینی مبتنی بر ماشین لرنینگ مرگ و میر یک ساله در بیماران مبتلا به فشار خون بالا و تحت عمل جراحی عروق کرونر

در مطالعه‌­ای امیر حسین بهنوش [1] و همکاران طراحی و ارزیابی پنج مدل ML برای پیش‌بینی مرگ و میر یک ساله در بین بیماران مبتلا به فشار خون بالا که تحت CABG قرار گرفته بودند، انجام دادند. از رجیستری داده‌های CABG مرکز قلب تهران برای استخراج چندین ویژگی پایه و حین عمل و داده‌های مرگ‌ و میر استفاده شد. پنج مدل ML برای پیش‌بینی مرگ و میر یک ساله توسعه داده شد که شامل رگرسیون لجستیک (LR[2])، RF، شبکه عصبی مصنوعی (ANN[3])، الگوریتم تقویت گرادیان (XGB[4]) و بیز ساده (NB[5]) بود. از بین 8493 بیمار فشار خون بالا که تحت CABG قرار گرفتند، 303 نفر در سال اول فوت کردند. یازده ویژگی به ‌عنوان بهترین پیش‌بینی‌کننده‌ها انتخاب شدند که در میان آن‌ها، کل ساعات ونتیلاسیون و کسر جهشی (EF[6]) پیشرو بودند. LR بهترین توانایی پیش بینی را با سطح زیر نمودار (AUC)[7] 0.82 نشان داد، در حالی که کمترین سطح زیر نمودار برای مدل NB (0.79) بود. در میان زیر گروه‌­ها، بالاترین AUC برای مدل LR برای دو گروه سنی (50-59 و80-89 سال)، اضافه وزن، دیابت و بیماران سیگاری مبتلا به فشار خون بالا بود.

نتایج این مطالعه که در ژورنال Clinical Cardiology در سال 2023 به چاپ رسید نشان داد که همه مدل‌های ML عملکرد عالی در پیش‌بینی مرگ و میر یک ساله در میان بیماران فشار خون تحت عمل CABG داشتند، در حالی که LR از نظر سطح زیر نمودار بهترین بود. این مدل­ها می‌توانند به پزشکان کمک کنند تا خطر مرگ و میر را در زیر گروه‌­های خاص در معرض خطر بالاتر (مانند گروه­‌های فشار خون بالا) ارزیابی کنند.

ترجمه و تنظیم: امین محسن زاده