Ольга Александровна Осипова — доктор медицинских наук, ведущий научный сотрудник отдела стратегического развития первичной медико-санитарной помощи, профессор кафедры профилактической кардиологии института профессионального образования и аккредитации, профессор кафедры госпитальной терапии.
Москва, Белгород
Moscow, Belgorod
Анна Васильевна Концевая — доктор медицинских наук, зам. директора.
Москва
Moscow
Владислав Валерьевич Демко — старший научный сотрудник.
Москва
Moscow
Елена Владимировна Гостева — кандидат медицинских наук, доцент кафедры пропедевтики внутренних болезней, профессор кафедры госпитальной терапии.
Воронеж, Белгород
Voronezh, Belgorod
Александр Александрович Комисов — кандидат физико-математических наук, директор.
Белгород
Belgorod
Алина Александровна Кузуб — младший научный сотрудник отдела фундаментальных и прикладных аспектов ожирения.
Москва
Moscow
Анна Викторовна Сердюкова — аспирант кафедры госпитальной терапии.
Белгород
Belgorod
Анастасия Сергеевна Брижанева — ассистент кафедры госпитальной терапии.
Белгород
Belgorod
Руслан Николаевич Шепель — кандидат медицинских наук, ведущий научный сотрудник, зам. директора по перспективному развитию медицинской деятельности, руководитель отдела научно-стратегического развития первичной медико-санитарной помощи.
Москва
Moscow
Оксана Михайловна Драпкина — доктор медицинских наук, профессор, академик РАН, главный внештатный специалист по терапии и общемедицинской практике Минздрава России, директор.
Москва
Moscow
Цель. Создание и обучение нейронной сети (НС) прогнозирующей модели персонализированного подхода к выбору фармакотерапии у больных с хронической сердечной недостаточностью с умеренно низкой фракцией выброса (ХСНунФВ) ишемического генеза.
Материал и методы. В исследование вошло 170 человек с ХСНунФВ ишемического генеза, которые в течение 12 мес. на фоне базовой фармакотерапии, получали β-адреноблокатор (β-АБ) или β-АБ+антагонист минералокортикоидных рецепторов эплеренон (ЭП): бисопролол (БИС); БИС+ЭП; небиволол (НЕБ); НЕБ+ЭП. Пациентам была проведена эхокардиография и в сыворотке крови определены уровни альдостерона (АЛ), фактора некроза опухоли-α (ФНО-α), матриксной металлопротеиназы 9 (ММП-9). Для создания НС модели использовалась аппроксимирующая прогнозирующая функция параметров: возраст, АЛ, ФНО-α, ММП-9, индекс сферичности (ИС), тип фармакотерапии. Результатом работы данной функции представляется вектор параметров: АЛ, ФНО-α, ММП-9, ИС и качество жизни (КЖ). Спроектированная НС модель реализована в программном пакете Matlab-инструментов для решения задач машинного обучения и Data Science. НС модель представлена в виде связного графа и НС функции. Для попарного сравнения влияния типов терапии использовался дихотомический анализ. Для межгруппового сравнения терапии метод W критерий Уилкоксона. Уровнем критической значимости (р) считали значения <0,05.
Результаты. В результате инференса модели были получены предсказанные клинические параметры пациентов, в зависимости от степени влияния типа фармакотерапии на уровень содержания АЛ, ФНО-α, ММП-9 и ИС, построены функции аппроксимации распределения данных параметров. Коэффициент детерминации R2 аппроксимирующих функций ≥0,92. Получены расчетные значения по группам терапии БИС средние значения АЛ, ММП-9, ФНО-α и КЖ составили 194,54, 101,59, 16,54 и 52,37; БИС+ЭП — 169,59, 82,30, 15,26 и 52,92; НЕБ — 186,42, 87,65, 16,10 и 57,22; НЕБ+ЭП — 171,17, 71,90, 14,22 и 58,68, соответственно. Средние значения параметров в векторе начальных состояний (до терапии): показатели АЛ, ММП9, ФНО-α и КЖ составили 205,84, 174,16, 18,32 и 50,71, соответственно. Наибольшая отрицательная динамика содержания АЛ, ММП-9, ФНО-α (p<0,05) наблюдались в группе фармакотерапии НЕБ+ЭП.
Заключение. В ходе исследования с использованием искусственного интеллекта была разработана, сформирована и обучена прогнозирующая модель персонализированного подхода к выбору фармакотерапии у больных ХСНунФВ ишемического генеза. Установлено, что наибольшим влиянием обладает терапия НЕБ+ЭП.
Aim. To create and train a neural network (NN) of a predictive personalized model of pharmacotherapy choice in patients with heart failure with mildly reduced ejection fraction (HFmrEF) of ischemic origin.
Material and methods. The study included 170 people with HFmrEF of ischemic origin, who on the background standard pharmacotherapy, received a beta-blocker (BB) or BB+mineralocorticoid receptor antagonist eplerenone (EP): bisoprolol (BIS); BIS+EP; nebivolol (NEB); NEB+EP. Patients underwent echocardiography and were analyzed for serum aldosterone (AL), tumor necrosis factor-α (TNF-α), matrix metalloproteinase 9 (MMP-9). To create the NN model, the following approximate predictive function of parameters was used: age, AL, TNF-α, MMP-9, sphericity index (SI), type of pharmacotherapy. The result of this function is a parameter vector: AL, TNF-α, MMP-9, SI and quality of life (QOL). The designed NN model is implemented in the Matlab software package for solving machine learning and Data Science problems. The NN model is represented as a connected graph and NN function. Dichotomous analysis was used to compare the effect of treatment types in pairs. For intergroup comparison of therapy, the Wilcoxon W test method. The critical significance (p) was considered <0,05.
Results. As a result of model inference, the predicted clinical parameters of patients were obtained, depending on the influence of pharmacotherapy type on the levels of AL, TNF-α, MMP-9, and SI. Function approximation of the distribution was constructed. Determination coefficient R2 of approximating functions was ≥0,92. The calculated values for the BIS therapy groups were obtained; BIS+EP — 169,59, 82,30, 15,26 and 52,92; NEB — 186,42, 87,65, 16,10 and 57,22; NEB+EP — 171,17, 71,90, 14,22 and 58,68, respectively. There were following mean values in the vector of initial states (before therapy): AL, MMP-9, TNF-α, and QOL — 205,84, 174,16, 18,32, and 50,71, respectively. The greatest negative changes of AL, MMP-9, TNF-α (p<0,05) was observed in the NEP+EP group.
Conclusion. In the course of the study, using artificial intelligence, a predictive model of a personalized approach to pharmacotherapy choice in patients with HFmrEF of ischemic origin was developed and trained. It has been established that NEP+EP therapy has the greatest effect.
The authors declare that there are no conflicts of interest present.