НОВЫЙ МЕТОД АНАЛИЗА РИСКА РАЗВИТИЯ ИШЕМИЧЕСКОЙ БОЛЕЗНИ СЕРДЦА С ИСПОЛЬЗОВАНИЕМ ГЕНОМНЫХ И КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙстатья
Статья опубликована в журнале из списка RSCI Web of Science
Информация о цитировании статьи получена из
Web of Science,
Scopus
Статья опубликована в журнале из перечня ВАК
Статья опубликована в журнале из списка Web of Science и/или Scopus
Дата последнего поиска статьи во внешних источниках: 19 сентября 2017 г.
Аннотация:Цель исследования состояла в оценке эффективности использования современных методов прогнозирования для определения риска развития ишемической болезни сердца (ИБС). Обследован 131 пациент с диагнозом ИБС, верифицированным при коронарографии, 159 человек составили контрольную группу. В исходную информацию о каждом пациенте включали данные о традиционных факторах риска, лабораторные показатели, результаты инструментального обследования, генетические маркеры. Было изучено 29 полиморфизмов в 27 генах, которые, согласно международным базам данных, ассоциируются с ИБС. Генотип оценивали в виде 2 моделей: доминантной и рецессивной. Для каждого пациента рассчитывали индивидуальный генетический индекс (ГИ), представляющий собой суммарное количество имеющихся полиморфных маркеров + семейный анамнез. Полученные данные подвергали анализу при помощи системы «РАСПОЗНАВАНИЕ», которая для решения задач прогноза использует основные подходы и алгоритмы теории распознавания по прецедентам. Выявлено, что точность распознавания варьирует от 70-75% при малом числе признаков до 90% на информативных признаковых подсистемах. Наибольшая точность получена для метода «линейная машина». Алгоритм голосования показывает максимальную точность прогноза относительно отдельных алгоритмов. При прогнозировании ИБС в большинство информативных систем признаков входят генетические маркеры, наиболее значимый из которых - ГИ. Анализ с использованием методов распознавания по прецедентам является перспективным методом для стратификации риска ИБС и поддержки принятия оптимальных решений о профилактике. Использование коллективов из различных методов прогнозирования позволяет повысить точность прогноза.