Details
| Title | Hybrid intelligent system for stratifying the risk of coronary heart disease = Гибридная интеллектуальная система стратификации риска ишемической болезни сердца // Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. – 2026. – Т. 19, № 3. — С. 46-56 |
|---|---|
| Creators | Kudayeva F. Kh. ; Bitsuev T. M. |
| Imprint | 2026 |
| Collection | Общая коллекция |
| Subjects | Радиоэлектроника ; Искусственный интеллект. Экспертные системы ; hybrid intelligent system ; risk stratification (medicine) ; ischemic heart disease ; ensemble forecasting ; explainable artificial intelligence ; natural language processing ; machine learning ; clinical decision support ; гибридная интеллектуальная система ; стратификация рисков (медицина) ; ишемическая болезнь сердца ; ансамблевое прогнозирование ; объяснимый искусственный интеллект ; обработка естественного языка ; машинное обучение ; поддержка принятия врачебных решений |
| UDC | 004.8 |
| LBC | 32.813 |
| Document type | Article, report |
| Language | English |
| DOI | 10.18721/JCSTCS.19304 |
| Rights | Свободный доступ из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\80321 |
| Record create date | 11/13/2026 |
The article proposes a hybrid intelligent system for stratifying the risk of coronary heart disease (CHD). It includes ensemble forecasting, natural language processing, and explainable AI technologies. It is demonstrated that the integration of structured clinical features and unstructured text data improves the accuracy of CHD risk assessment compared to the traditional SCORE2 scales. On test datasets, high values of AUC-ROC and F1-score were achieved, while the interpretability of the predictions is ensured by constructing waterfall plots that reflect the contribution of key risk factors. The developed software package will be useful in cardiology for supporting clinical decision-making.
В статье предложена гибридная интеллектуальная система для стратификации риска ишемической болезни сердца (ИБС), которая объединяет ансамблевое прогнозирование, обработку естественного языка и технологии объяснимого ИИ. Показано, что интеграция структурированных клинических признаков и неструктурированных текстовых данных повышает точность оценки риска ИБС по сравнению с традиционными шкалами SCORE2. На тестовых выборках достигнуты высокие значения метрик качества AUC-ROC и F1-score, при этом интерпретируемость прогнозов обеспечивается построением диаграмм типа "водопад" (waterfall plots), отражающих вклад ключевых факторов риска. Разработанный программный комплекс найдет применение в кардиологии для поддержки принятия врачебных решений.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | All |
|
