構造化データと臨床テキストを統合したディープラーニングモデルで,心房細動の再発を予測する
Sixiang Jia1, Yanping Yin2, Yingxia Guan3
1Department of Cardiology, the Fourth Affiliated Hospital of School of Medicine, and International School of Medicine, International Institutes of Medicine, Zhejiang University, Yiwu, Zhejiang, China. jiasixiang@zju.edu.cn.
この研究では,アトリヤフィブリレーション (AF) のアブレーション後の再発を予測するために,マルチモダル周辺手術データを用いたディープラーニングモデルを開発しました. このモデルは,標的を絞った介入のための高リスク患者を効果的に特定し,結果を改善します.
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.
- 医療情報工学 医療情報工学
背景:
- 動脈動 (AF) のアブレーション患者からのマルチモダルの外科間手術データは,リスクの階層化に価値がありますが,予測モデルでは十分に活用されていません.
- 切除後のAF再発の正確な予測は,患者の管理と治療戦略の最適化に不可欠です.
研究 の 目的:
- 切除後のAF再発を予測するために,マルチモダルの周辺手術データを統合したディープラーニングモデルの開発と検証.
- AF再発予測のためのテキストデータを処理する際の異なる大型言語モデルのパフォーマンスを評価する.
主な方法:
- AF切除を施された2508人の患者を対象とした多センター遡及研究.
- 構造化データには1D ResNetを使用し,テキストデータには大型言語モデル (LLaMA-7B, Phi2-2.7B, Mistral-7B, MedGemma-27B) を利用したデュアルブランチ・ディープラーニングモデルの開発.
- 曲線下の面積 (AUC) を使用して評価されたモデルのパフォーマンスは,トレーニング,検証,テストセットで評価されました.
主要な成果:
- テキスト機能抽出のためのMedGemma-27Bを組み込んだディープラーニングモデルは,高い予測性能を達成しました.
- AUC値は0.934 (トレーニング),0.928 (検証),0.911 (テストセット) であり,堅固な一般化を示した.
- このモデルは,AF再発のリスクが高い患者を特定するために,マルチモダルのデータを成功裏に統合しました.
結論:
- 新しいディープラーニングモデルは,AF除去患者のマルチモダル周辺手術データを用いて,心房細動の再発を効果的に予測します.
- 高リスクの個人を特定するモデルの能力は,ターゲットを絞った介入を容易にし,潜在的に再発率を下げる可能性があります.
- このアプローチは,心臓血管医学における包括的な患者データと高度なAI技術を統合する可能性を強調しています.
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
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
関連する概念動画
Pulse rhythm
Conversely, an irregular pulse pattern is termed dysrhythmia, stemming from disruptions in cardiac...
Dysrhythmias II: Classification of Tachyarrhythmias
Dysrhythmias V: Evaluating Dysrhythmias
Heart Failure IV: Classification and Diagnostic Evaluation
Cardiomyopathy II: Dilated Cardiomyopathy
