ДИАБЕТТІК КЕТОАЦИДОЗДЫ ДИАГНОСТИКАЛАУ ЖӘНЕ КЛИНИКАЛЫҚ ШЕШІМДЕРДІ ҚОЛДАУ ҮШІН АНСАМБЛЬДІК МАШИНАЛЫҚ ОҚЫТУ ӘДІСТЕРІНЕ НЕГІЗДЕЛГЕН ҚАН ГАЗОМЕТРИЯСЫНЫҢ КӨРСЕТКІШТЕРІН ТАЛДАУДЫҢ ИНТЕЛЛЕКТУАЛДЫ МОДЕЛІ

Аңдатпа

Диабеттік кетоацидоз қант диабетінің ең қауіпті жедел асқынуларының бірі болып табылады және метаболикалық бұзылыстарды уақтылы анықтауды талап етеді. Зерттеудің мақсаты – диабеттік кетоацидозды диагностикалау үшін қан газометриясы көрсеткіштерін ансамбльдік машиналық оқыту әдістері негізінде талдау. Зерттеуде MIMIC-IV деректер базасының клиникалық мәліметтері пайдаланылды, олар қарқынды терапия бөлімшелеріндегі 86 362 пациенттің бақылауларын қамтиды. Интеллектуалдық модельдерді құру үшін Random Forest, Gradient Boosting, AdaBoost, XGBoost және AutoML Ensemble алгоритмдері қолданылды. Деректерді алдын ала өңдеу идентификациялық белгілерді жоюды, параметрлерді масштабтауды, сыныптар теңгерімсіздігін талдауды және деректерді оқыту және тестілеу жиынтықтарына бөлуді қамтыды. Модельдердің тиімділігі Accuracy, Precision, Recall, F1-score, ROC-AUC және PR-AUC метрикалары арқылы бағаланды. Зерттеу нәтижелері ансамбльдік машиналық оқыту әдістерінің диабеттік кетоацидозды диагностикалауда жоғары тиімділігін көрсетті. Ең жоғары нәтижелерге ROC-AUC және PR-AUC көрсеткіштері бойынша AutoML Ensemble моделі қол жеткізді. Зерттеудің ғылыми жаңалығы қан газометриясы көрсеткіштерін интеллектуалдық талдау үшін ансамбльдік әдістерді кешенді қолданумен байланысты. Жұмыстың практикалық маңыздылығы диабеттік кетоацидозды ерте диагностикалауға арналған дәрігерлік шешім қабылдауды қолдау жүйелерін әзірлеу мүмкіндігімен анықталады.