
Нове дослідження, опубліковане в JAMA Cardiology, демонструє, що спрощена формула для розрахунку холестерину ліпопротеїнів низької щільності (LDL-C), розроблена на основі машинного навчання, забезпечує результати, порівнянні з оригінальною формулою Martin-Hopkins.
Методологія дослідження
Дослідники, серед яких Дживан Парк (Jihwan Park, Ph.D.) з Школи громадського здоров'я Блумберга Університету Джонса Гопкінса, використали багатовимірні адаптивні регресійні сплайни (multivariate adaptive regression splines, MARS) для розробки нової формули, названої LDL-C-MH-MARS. Її ефективність порівнювали з формулами Friedewald (LDL-C-F), Sampson-National Institutes of Health (LDL-C-S), Modified Sampson (LDL-C-MS) та Martin-Hopkins (LDL-C-MH).
У дослідженні взяли участь 4 939 528 пацієнтів з повними даними ліпідної панелі. Учасників випадковим чином розділили на навчальний (3 292 889) та тестовий (1 646 639) набори.
Ключові результати
Формула LDL-C-MH-MARS показала дуже низьке медіанне зміщення −0.1 мг/дл, що було порівнянним з LDL-C-MH. Медіанна різниця між цими двома формулами становила −0.5 мг/дл, підтверджуючи їхню порівнянність.
Найменша середньоквадратична похибка (RMSE) була зафіксована для LDL-C-MH-MARS (4.7 мг/дл) та LDL-C-MH (4.9 мг/дл). Інші формули показали вищі значення: LDL-C-S (5.8), LDL-C-MS (6.0) та LDL-C-F (7.2 мг/дл).
Частка пацієнтів, правильно класифікованих за клінічними категоріями, була майже ідентичною для LDL-C-MH-MARS (89.7%) та LDL-C-MH (89.6%). Для інших формул цей показник був нижчим: LDL-C-S (86.3%), LDL-C-MS (84.7%) та LDL-C-F (83.1%). Аналогічні результати були отримані під час зовнішньої валідації.
Доступність та оптимізація
Співавтор дослідження Сет Мартін (Seth Martin, M.D.) з лікарні Джонса Гопкінса зазначив, що розрахунок холестерину LDL був оптимізований, а нова формула стала доступнішою та простішою для впровадження в усіх лабораторіях.
Що це означає для розробників
Ця новина означає, що розробники, які інтегрують розрахунки холестерину LDL-C у лабораторні інформаційні системи або медичне програмне забезпечення, можуть отримати вигоду від спрощеної та оптимізованої формули. Це може полегшити впровадження точних розрахунків у клінічні системи.
Ключові факти
-
Спрощена ML-формула LDL-C-MH-MARS дає результати, порівнянні з оригінальною формулою Martin-Hopkins.
-
Дослідження опубліковано 15 липня в JAMA Cardiology.
-
Формула розроблена Дживаном Парком та колегами з Університету Джонса Гопкінса за допомогою багатовимірних адаптивних регресійних сплайнів.
-
У дослідженні взяли участь майже 5 мільйонів пацієнтів.
-
LDL-C-MH-MARS мала низьке медіанне зміщення (-0.1 мг/дл) та найменшу середньоквадратичну похибку (4.7 мг/дл).
Джерела
Джерело
Phys.orgElana Gotkine
Machine learning LDL-C equation comparable to original Martin-Hopkins30 липня 2026
Попередні статті

Техаський університет A&M отримав грант на розвиток ШІ та кібербезпеки
Техаський університет A&M отримав федеральний грант на майже 2 мільйони доларів від Національного наукового фонду США для розвитку робочої сили у сферах штучного інтелекту та кібербезпеки.

BNY запускає блокчейн-систему для управління фондами на $8.6 трлн
BNY переводить свій основний бізнес з ведення обліку трансфер-агентства на блокчейн, щоб створити єдиний реєстр власності та зменшити залежність від посередників.

Інтеграція AWS DevOps Agent та Wiz: Новий рівень контексту безпеки для розслідувань інцидентів
Нова інтеграція AWS DevOps Agent з Wiz використовує Model Context Protocol (MCP) для автоматичного додавання контексту безпеки до операційних розслідувань, допомагаючи інженерам швидко розрізняти операційні проблеми та інциденти безпеки.