急性冠動脈症候群後の有害事象の機械学習ベースの予測 (PRAISE):集合データセットのモデリング研究
Fabrizio D'Ascenzo1, Ovidio De Filippo1, Guglielmo Gallone1
1Division of Cardiology, Cardiovascular and Thoracic Department, Città della Salute e della Scienza, Turin, Italy; Cardiology, Department of Medical Sciences, University of Turin, Turin, Italy.
新しい機械学習モデルであるPRAISEスコアは,急性冠動脈症候群 (ACS) の患者の死亡,心臓発作,出血を正確に予測します. このツールは,ACS後のパーソナライズされた管理戦略に役立ちます.
科学分野:
- 心臓病科
- 人工知能
- 医療情報学
背景:
- 急性冠動脈症候群 (ACS) 以後の不血症および出血の予測ツールには,パーソナライズされた患者管理のための十分な精度がない.
- ACS患者における臨床的決定を導くために,改善されたリスク分層モデルが必要である.
研究 の 目的:
- ACS後の有害事象を予測するために,機械学習ベースのリスク分層モデルを開発し,検証する.
- すべての死因,再発性心筋梗塞,重度の出血を予測するモデルのパフォーマンスを評価する.
主な方法:
- BleeMACSとRENAMIのレジストリから,大規模なコホート (19,826人の患者) で機械学習モデルを訓練した.
- モデルを構成するために,退院時に日常的に評価される25の臨床特性を利用した.
- 外部コホート (3444人の患者) で最高のパフォーマンスモデルであるPRAISEスコアを検証した.
主要な成果:
- PRAISEスコアは,検証コホート全体で強い差別的な能力を示しました.
- 1年間の全原因死亡を予測するために,0. 82 (内部) と0. 92 (外部) の曲線下の面積 (AUC) を達成した.
- 心筋梗塞のAUCは0. 74/ 0. 81, 大出血のAUCは0. 70/ 0. 86であった.
結論:
- 機械学習は,ACS後のイベントを予測するための実行可能で効果的なアプローチを提供します.
- PRAISEスコアは,主要な有害な結果に対する正確な識別能力を示しています.
- PRAISEスコアは,ACSの管理における臨床的意思決定のガイドとして役立つかもしれません.
さらに関連する動画
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
関連する概念動画
Acute Coronary Syndrome III: Diagnostic Studies
Acute Coronary Syndrome V: Nursing Management
Acute Coronary Syndrome IV: Interprofessional Care
Acute Coronary Syndrome II: Pathophysiology and Clinical Manifestations
Acute Coronary Syndrome I: Introduction
