El aprendizaje automático aumenta la predicción del accidente cerebrovascular para los pacientes hipertensivos chinos

Área de la Ciencia:

• Cardiología Cardiología.
• La informática médica es la informática médica.
• Aprendizaje automático Aprendizaje automático.

Sus antecedentes:

• La hipertensión es un factor de riesgo importante para el accidente cerebrovascular.
• La predicción precisa del riesgo de accidente cerebrovascular es crucial para una intervención oportuna.
• Los modelos de predicción de riesgos existentes tienen limitaciones.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático (ML) para predecir el riesgo de accidente cerebrovascular en pacientes hipertensos.
• Para comparar el rendimiento del modelo ML con las puntuaciones tradicionales de riesgo de accidente cerebrovascular.

Principales métodos:

• Utilizó la eliminación de características recursivas (RFE) para seleccionar 10 variables óptimas de 68 parámetros de referencia.
• Desarrolló un modelo de predicción utilizando eXtreme Gradient Boosting (XGBoost). desarrolló un modelo de predicción utilizando eXtreme Gradient Boosting (XGBoost). desarrolló un modelo de predicción utilizando eXtreme Gradient Boosting (XGBoost). desarrolló un modelo de predicción utilizando eXtreme Gradient Boosting (XGBoost). desarrolló un modelo de predicción utilizando eXtreme Gradient Boosting (XGBoost).
• Empleado 10 veces la validación cruzada para la capacitación y prueba de modelos.
• Comparó el modelo ML con cuatro modelos tradicionales de regresión de Cox, incluidos China-PAR y Framingham Stroke Risk Scores.

Principales resultados:

• Se incluyeron 5.197 participantes hipertensos con un seguimiento promedio de 4,26 años.
• El modelo ML demostró una discriminación superior (C-estadística 0.967) en comparación con el mejor modelo Cox (0.781).
• El modelo ML mostró una calibración aceptable con una puntuación de Brier de 0,053.

Conclusiones:

• Se construyó con éxito un modelo de pronóstico ML de alta precisión para el riesgo de accidente cerebrovascular en la hipertensión.
• El modelo ML superó significativamente las escalas de riesgo tradicionales en clasificación y rendimiento.
• Este modelo tiene potencial de aplicación clínica en la prevención e intervención temprana del accidente cerebrovascular.