Uczenie maszynowe w diagnostyce ryzyka sercowo-naczyniowego

Dok-adna kwantyfikacja ryzyka ASCVD jest niezb-dna do wczesnego i skutecznego zarz-dzania ryzykiem sercowo-naczyniowym. Konwencjonalne modele opieraj- si- wy--cznie na tradycyjnych czynnikach ryzyka (TRF). Cz-sto nie uwzgl-dniaj- one nowszych, nietradycyjnych zmiennych ryzyka, co prowadzi do potencjalnego niedoszacowania lub przeszacowania ryzyka, zw-aszcza w ró-nych populacjach etnicznych. Niniejsza ksi--ka przedstawia nowatorsk- struktur- opart- na uczeniu maszynowym (ML), która integruje TRF z nietradycyjnymi markerami ultrasonograficznymi, takimi jak grubo-- b-ony wewn-trznej i -rodkowej t-tnicy szyjnej (cIMT) oraz cechy blaszki miäd-ycowej t-tnicy szyjnej (cP), w celu zwi-kszenia dok-adno-ci predykcyjnej. Obejmuje opracowanie architektury diagnostycznej, która wykorzystuje hybrydowe inteligentne modele zoptymalizowane przy u-yciu ró-nych algorytmów metaheurystycznych. Wybrane ramy maj- przewag- ze wzgl-du na mo-liwo-- uwzgl-dnienia dodatkowych nowszych zmiennych ryzyka bez rekonstrukcji metodologicznej, a tym samym przyczyniaj- si- do rozwoju niezawodnych, wydajnych i konfigurowalnych rozwi-zä do przewidywania ryzyka ASCVD w warunkach publicznej opieki zdrowotnej.

Dr Paulin Paul jest obecnie adiunktem na wydziale MCA w Amal Jyothi College of Engineering, Kanjirapally, Kerala, Indie.Dr Priestly B Shan, wicekanclerz w Alliance University, Banglore, Karnataka, Indie.Dr Babymol Kurian, profesor nadzwyczajny w KCG College of Technology, Chennai, Tamil Nadu, Indie.