Получена модель для дифференцирования пациентов с ремоделированием сонных артерий и условно здоровых людей на основе машинного обучения с использованием генетических данных казахской популяции. За период 2018-2020 гг. рекрутированы 561 участник исследования, из которых 357 были с ремоделированием сонных артерий, 204 - условно здоровые. Генотипирование осуществлено с помощью технологии QuantStudio TM 12K Flex Real-Time PCR (Applied Biosystems) с использованием панели из 118 полиморфизмов. После процедуры контроля качества 43 полиморфизма были исключены из дальнейшего анализа. Результаты генотипирования 75 полиморфизмов были использованы для построения бинарной классификационной модели в виде дерева решений на основе Fast-and-frugal trees (FFTs) алгоритма. Наилучшая модель из 5 полиморфизмов обладала 52% чувствительностью, 64% специфичностью и 56% точностью в способности проводить разделение между пациентами с РСА и условно-здоровыми людьми на основе генетических данных.
A model was obtained to differentiate between patients with carotid artery remodeling and conventionally healthy people based on machine learning using genetic data from the Kazakh population For the period 2018-2020, 561 study participants were recruited, of which 357 had PCA and 204 were conditionally healthy. Genotyping was performed using QuantStudio TM 12K Flex Real-Time PCR technology (Applied Biosystems) using a panel of 118 polymorphisms. After the quality control procedure, 43 polymorphisms were excluded from further analysis. The results of genotyping of 75 polymorphisms were used to build a binary classification model in the form of a «decision tree» based on the Fast-and-frugal trees (FFTs) algorithm. The best model of 5 polymorphisms had 52% sensitivity, 64% specificity, and 56% accuracy in the ability to distinguish between RSA patients and conventionally healthy people based on genetic data.
The authors declare that there are no conflicts of interest present.