[急性冠動脈症候群患者における大言語モデルと予後値分析に基づく心血管年齢予測]

科学分野:

• 心臓病学 心臓病学
• 人工知能 (AI) とは,人工知能 (AI) のことです.
• 予測型アナリティクス (Predictive Analytics) とは,予測型アナリティクス (Predictive Analytics) を意味する.

背景:

• 急性冠動脈症候群 (ACS) の患者の予後には,リスクの階層化を改善する必要があります.
• 心血管疾患の年齢予測は,患者のリスクを評価するための新しいメトリックを提供します.
• 大型言語モデル (LLM) は,医療データ分析の潜在力を示しています.

研究 の 目的:

• ACS患者における予後評価のためのLLM由来心血管年齢の有用性を評価する.
• 心血管年齢のギャップと主要な有害心血管および脳血管イベント (MACCE) の関連性を決定する.

主な方法:

• ACS患者47,249人を対象とした遡及的なコホート研究.
• 人口統計,臨床,実験データを含む機関LLMを用いて予測された心血管年齢.
• エイジギャップは,心血管年齢とクロノロジカル年齢の差として計算されます.
• 結果を評価するために使用されたコックス比例危険性モデルと制限立方スライン分析.

主要な成果:

• 心血管の年齢は,慢性的な年齢と正に相関していた (r=0.87).
• 高齢差 (≥8年) は,MACCE (HR=1.47),心臓死 (HR=2.72),心筋梗塞 (HR=1.77),脳卒中 (HR=1.24),および全因死亡率 (HR=2.01) のリスクが著しく増加した.
• 非線形関連は,Age-GapとMACCE,心臓疾患による死亡,全因死亡率の間に観察されました.

結論:

• LLMベースの心血管年齢予測は,ACS患者では実現可能である.
• エイジ・ギャップは,ACSにおけるMACCEと死亡率の有意な予測要因である.
• LLM-derived cardiovascular ageは,ACSにおけるパーソナライズされたリスク評価のための新しいアプローチを提供します.