Abstract
<jats:p>Целью данного исследования является выявление факторов риска и прогнозирование обострений бронхиальной астмы на основе мультимодальных данных. Использован ретроспективный набор AAMOS, включающий ежедневные симптомы, показатели пиковой скорости выдоха (PEF), использование ингаляторов и параметры окружающей среды. Проведен аналитический разбор взаимосвязей между признаками и целевой переменной, а также построены модели машинного обучения для раннего прогнозирования увеличения потребности в бронхолитической терапии. Работа демонстрирует потенциал интеграции мультимодального мониторинга и аналитических моделей для персонализированного контроля астмы и раннего предупреждения обострений.</jats:p> <jats:p>The aim of this study is to identify risk factors and predict asthma exacerbations using multimodal data. A retrospective AAMOS dataset was used, including daily symptoms, peak expiratory flow (PEF), inhaler use, and environmental parameters. An analytical analysis of the relationships between the features and the target variable was conducted, and machine learning models were built for early prediction of increased need for bronchodilator therapy. This study demonstrates the potential of integrating multimodal monitoring and analytical models for personalized asthma management and early warning of exacerbations.</jats:p>