Модель машинного обучения выявила риск потери самостоятельности после госпитализации из-за сердечной недостаточности
Модель машинного обучения выявила риск потери самостоятельности после госпитализации из-за сердечной недостаточности
Модель машинного обучения помогла определить пожилых пациентов с сердечной недостаточностью, которые после выписки с высокой вероятностью потеряют самостоятельность, хотя и выживут. Результаты исследования опубликованы 20 августа 2026 года в Journal of Cardiac Failure.
Команда под руководством Канзи Ямады из Университета Дзюнтэндо в Японии проанализировала данные 6382 пациентов в возрасте от 65 лет. Все они были госпитализированы с сердечной недостаточностью, проходили физиотерапию и сохраняли самостоятельность в повседневных делах до поступления в больницу. Для оценки состояния через год после выписки исследователи использовали данные регистра J-Proof HF и алгоритм XGBoost.
В модель включили 77 возможных факторов. Среди них — скорость ходьбы, результаты теста SPPB, сила хвата и индекс Бартел, измеренные при выписке, а также оценка предшествующей госпитализации старческой астении по опроснику Kihon Checklist. Упрощённую модель из десяти показателей проверили на данных разных медицинских центров и сопоставили с оценками, основанными на Kihon Checklist.
За год 3378 человек сохранили самостоятельность, у 2076 она снизилась, а 928 пациентов умерли. Модель из десяти показателей точнее предсказывала исходы, чем общий балл Kihon Checklist и его модифицированная версия. Среди наиболее значимых факторов были скорость ходьбы, оценка по Kihon Checklist до госпитализации, индекс Бартел при выписке и результат SPPB. Их прогностическая ценность оказалась выше, чем у некоторых сердечных показателей, включая фракцию выброса.
«Для многих пациентов возможность жить самостоятельно не менее важна, чем продолжительность жизни. Физическое состояние при выписке может выявить риск, который не замечают модели, ориентированные только на смертность», — отметил Ямада.
Исследователи выделили четыре группы пациентов по сочетанию рисков функционального ухудшения и смерти. В наиболее показательной группе из 1732 человек вероятность выжить в течение года составляла 89%, но функциональное снижение наблюдалось у 57%. По мнению авторов, выявление таких пациентов может помочь заранее планировать реабилитацию после выписки — в амбулаторных условиях или на дому.
Команда также создала прототип веб-приложения, которое рассчитывает индивидуальный риск при выписке и позволяет оценить, как изменения физических показателей, например увеличение скорости ходьбы, отражаются на прогнозе. Чтобы понять, улучшит ли использование модели результаты лечения, нужны дальнейшие исследования.
