Investigation of the efficiency of graph data representation for a cardiovascular disease predictive model by deep learning methods

В настоящий момент сердечно-сосудистые заболевания (ССЗ) являются наиболее распространенной причиной смертности в мире. Методы искусственного интеллекта дают обширные возможности для извлечения новых знаний из необработанных данных медицинских информационных систем (МИС). Настоящее исследование направлено на построение модели прогнозирования диагноза ССЗ на основе жалоб пациента на приеме у врача с применением методов NLP. Формирование исходного набора данных основано на графовой модели истории болезни пациента с ССЗ по протоколам посещения. Проведен сравнительный анализ моделей машинного обучения, таких как наивный байесовский классификатор, метод опорных векторов и сверточная нейронная сеть. В результате проведенных экспериментов выбрана наиболее эффективная модель прогнозирования ССЗ.