<h3>ЦЕЛЬ ИССЛЕДОВАНИЯ</h3> Разработка моделей машинного обучения для определения снижения систолической функции миокарда левого желудочка (ЛЖ) по данным электрокардиограммы (ЭКГ) и фотоплетизмограммы (ФПГ), зарегистрированным с помощью одноканального ЭКГ-монитора с функцией фотоплетизмографии. <h3>МАТЕРИАЛ И МЕТОДЫ</h3> В исследование были проспективно включены 400 пациентов. Каждому участнику исследования была выполнена эхокардиография, при которой определяли фракцию выброса (ФВ) ЛЖ и VTI выносящего тракта ЛЖ. Затем проводили регистрацию ЭКГ и ФПГ одноканальным ЭКГ-монитором с функцией фотоплетизмографии, который имеет вид чехла для смартфона. Затем все зарегистрированные записи передавали на единый сервер, где проводили расчет параметров ЭКГ и ФПГ. На основе полученных параметров были построены модели для оценки прогнозирования снижения систолической функции ЛЖ с применением регрессии Лассо и алгоритма «случайный лес». <h3>РЕЗУЛЬТАТЫ</h3> Были получены модели для ФВ менее 55, 40, 30% и VTI менее 16 и 13 см соответственно. Для каждой модели рассчитывали площадь под ROC-кривой (AUC), чувствительность, специфичность. Для моделей с применением регрессии Лассо результаты были следующими: для ФВ &lt;55% AUC составила 0,857 (чувствительность 0,818, специфичность 0,860); для ФВ &lt;40% — 0,971; для ФВ &lt;30% — 0,982; для VTI &lt;13 — 0,754, для VTI &lt;16 — 0,746. Для моделей, построенных на основе алгоритма «случайный лес», результаты были также достаточно высокими: для ФВ &lt;55% AUC составила 0,913; для ФВ &lt;40% — 0,955; для ФВ &lt;30% — 0,962; для VTI &lt;13 — 0,776, для VTI &lt;16 — 0,782. <h3>ВЫВОД</h3> Модели на основе машинного обучения, построенные с использованием параметров ЭКГ и ФПГ, показали достаточно высокую точность в оценке снижения систолической функции ЛЖ. 

V.M. Kulikov

Papers

Assessment of left ventricular systolic function using a single-channel ECG monitor with photoplethysmography based on machine learning models