Таким образом, разработаны математические модели прогнозирования развития жизнеугрожающих осложнений и подгруппы ургентных хирургических жизнеугрожающих осложнений с использованием различных методов, из которых наибольшей прогностической способностью, пригодной для использования в практическом здравоохранении, обладали нейросетевые модели.
Следует отметить, что нейросетевая прогностическая модель для подгруппы ургентных хирургических осложнений имела большую прогностическую способность, что, вероятно, связано с патогенетической гомогенностью развивающихся на фоне ВЗК осложнений хирургического профиля, по сравнению с патогенетической разнородностью широкого перечня возможных жизнеугрожающих осложнений в целом. Также обращает на себя участие в обеих моделях предиктора – продолжительности наблюдения пациента, так как риск развития жизнеугрожающих осложнений меняется со временем течения заболевания [11].
Ключевым преимуществом полученных моделей были высокие значения диагностических показателей. Тем не менее, как и для метода нейросетевого моделирования в целом, недостатком такого типа моделирования является отсутствие какой-либо доступной описанию и анализу информации о тех сложных связях между явлениями, на основании которых были построены нейросетевые модели [18, 19]. Данная особенность нейросетевого моделирования не позволяет напрямую получить новые фундаментальные и прикладные научные знания о патогенетических особенностях течения ВЗК на фоне влияния демографических, клинических, генетических, медикаментозных и прочих факторов, которые в свою очередь также существуют в рамках сложных процессов взаимовлияния.
Тем не менее, целью исследования было получение пригодной для практического использования модели прогнозирования развития жизнеугрожающих осложнений ВЗК, и применение нейросетевого анализа в полной мере позволило данную цель реализовать.