Результаты нашей разработки прогнозных моделей для пациентов с хроническими заболеваниями с целью вовремя подсказать врачу о риске предотвратимой госпитализации в течение последующих 12 месяцев были опубликованы в международном рецензируемом журнале International journal of medical informatics. (Q1 in Health Informatics, SJR 1.11, Scopus, Web of Science).
Нами были разработаны и валидированы различные алгоритмы машинного обучения для прогнозирования предотвратимых госпитализаций пациентов с ишемической болезнью сердца на основе данных электронных медицинских карт. Набор данных состоял из записей более 49 тысяч пациентов из 11 регионов Российской Федерации.
Среди всех алгоритмов машинного обучения модель на основе CatBoost продемонстрировала лучшую производительность по результатам внешней валидации со значением площади под кривой 0,872, чувствительностью 75.7% и специфичностью 82.1%.
Внешняя валидация проводилась на данных отдельно взятого региона, который не был задействован при разработке модели. Учитывая лишь незначительное сходство внешних данных и данных для обучения модели, можно сделать вывод о хорошей обобщаемости и надежности работы итоговой модели на новых данных.
В международном журнале публикуются оригинальные результаты исследований и обзоров в области медицинской информатики (https://www.sciencedirect.com/journal/international-journal-of-medical-informatics).
Журнал уделяет особое внимание оценке различных информационных систем непосредственно в медицинских учреждениях. Область тематик журнала охватывает: информационные системы, включая национальные или международные регистры, медицинские информационные системы, компьютерные системы поддержки принятия медицинских решений, использующие эвристические, алгоритмические и/или статистические методы, например, теория принятия решений, разработка протоколов, искусственный интеллект, организационные, экономические, социальные, клинические, этические и экономические аспекты применения различных ИТ систем в здравоохранении.