В новом исследовании ученые сравнили эффективность моделей машинного обучения для прогнозирования гипертензии у трансгендерных пациентов, проходящих гинекологические операции. Трансгендерные пациенты сталкиваются с повышенным риском сердечно-сосудистых заболеваний, и существующие модели в основном основаны на данных цисгендерных пациентов.
В ходе анализа были разработаны модели, обученные на данных 1959 трансгендерных пациентов, и сопоставлены с моделями, обученными на 300-кратной когорте цисгендерных пациентов. Результаты показали, что логистическая регрессия, обученная на трансгендерной группе, достигла AUC 0.865 и точности 85%, что сопоставимо с результатами моделей, обученных на более крупных когортах. Это открывает новые горизонты для разработки специализированных моделей для трансгендерных пациентов, особенно в условиях ограниченных ресурсов.
Данное исследование подчеркивает важность создания моделей, которые учитывают уникальные характеристики трансгендерных пациентов, что может значительно улучшить качество медицинской помощи для этой группы.