Central Asian Research Index

INTERNATIONAL JOURNAL OF INFORMATION AND COMMUNICATION TECHNOLOGIES, 2026, т. 7, № 2(26), с. 260-274

МАШИННОЕ ОБУЧЕНИЕ ДЛЯ КОМПЛЕКСНОЙ ОЦЕНКИ РИСКА СЕР-ДЕЧНО-СОСУДИСТЫХ ЗАБОЛЕВАНИЙ И БИОХИМИЧЕСКИХ ИЗМЕНЕНИЙ: АКЦЕНТ НА АСПАРТАТАМИНОТРАНСФЕРАЗЕ: MACHINE LEARNING FOR COMPREHENSIVE EVALUATION OF CARDIOVASCULAR DISEASE RISK AND BIOCHEMICAL ALTERATIONS: FOCUS ON ASPARTATE AMINOTRANSFERASE

Н.Ш. Максутова, Д.А. Тусупов, А.А. Шекербек, Ж.Е. Кенжебаева, К.О. Рахимов

Евразийский национальный университет имени Л.Н. Гумилева, Астана, Казахстан
Каспийский университет технологий и инжиниринга им. Ш.Есенова, Актау, Казахстан
Ферганский государственный университет, Фергана, Узбекистан

Аннотация · Abstract

В этом исследовании рассматриваются различные подходы ма-шинного обучения для анализа факторов, способствующих развитию сердечно-сосу-дистых заболеваний. При создании моделей прогнозирования были применены два метода- XGBoost и сверточная нейронная сеть (CNN). Особое внимание уделялось оценке производительности каждой модели в задачах классификации и регрессии, а также способности выявлять ключевые биомаркеры и факторы риска, включая хо-лестерин, ферритин, гомоцистеин и аспартатаминотрансферазу (AST). Параметры XGBoost были адаптированы под табличные данные, что позволило достичь высокой точности предсказаний риска. В то же время, несмотря на быстрое снижение ошибки на обучающем наборе, модель CNN продемонстрировала признаки переобучения при

Сведения · Details