Разработчик

ФГБНУ ФИЦ ИЦиГ СО РАН

Авторы

Колкер А.Б., Шахтшнейдер Е.В., Иванощук Д.Е., Тимощенко О.В., Рагино Ю.И.

Краткая характеристика

Программа разработана на языке Python 3.9. Решающие правила сохраняются в виде представления данных языка разметки для прогнозного моделирования (Predictive Model Markup Language — PMML). Решающие правила построены на основе размеченной БД СГХС_МО 2020 и не размеченной базы данных биохимии крови с учетом кросс-пересечения параметров. Для построения решающих правил на ограниченной обучающей выборке используется метод Bootstrap aggregating (Бэггинг). Алгоритм состоит из двух этапов на первом этапе строится ансамбль искусственно ослабленных классификаторов по размеченной базе данных. На втором этапе методом голосования строится мажоритарное разбиение неразмеченной базы данных на классы. Из решений удаляются разбиение, относящиеся к серой зоне классификации (вероятность от 0.4 до 0.6) а полученные данные подмешиваются в исходную обучающую выборку и проводится повторное обучение классификатора.

Области возможного использования:

Программа может быть использована в клинической практике, а именно кардиологии/липидологии.

Степень готовности разработки к практическому применению

Программа готова к практическому применению.

Возможный технический и (или) экономический эффект

База данных имеет прикладную диагностическую значимость для оценки риска развития семейной гиперхолестеринемии. Экономический эффект от использования базы данных заключается в снижении материальных затрат на лечение аутоиммунного атрофического гастрита.

Сравнительные характеристики с известными разработками

Программа предназначена для построения ансамбля решающих правил для прогнозирования семейной гиперхолестеринемии на основе машинного обучения в условиях ограниченной обучающей выборки.

Защита разработки

Свидетельство о регистрации № 2023660511, зарегистрирована в Реестре баз данных 22.05.2023.