使用人工智能预测皮肤冠状动脉干预后缺血性中风事件.

科学领域:

• 心脏病学 心脏病学
• 神经学 神经学
• 机器学习在医学中的应用

背景情况:

• 缺血性中风 (IS) 是通过皮肤冠状动脉干预 (PCI) 后的一种严重并发症.
• 目前缺乏PCI后IS的风险预测模型.
• 这种并发症导致严重的发病率和经济负担.

研究的目的:

• 开发和验证用于预测PCI后IS的机器学习 (ML) 模型.
• 将ML模型的性能与传统的物流回归进行比较.

主要方法:

• 利用了梅奥诊所CathPCI注册表 (2003-2018) 的数据.
• 开发了一个随机森林 (RF) 模型和一个后勤回归 (LR) 模型.
• 在多个时间点 (6个月至5年) 使用接收机操作员特征 (ROC) 分析评估模型性能.

主要成果:

• 包括17,356名患者;1.5%的患者在PCI后5年内经历了IS.
• 与LR模型相比,RF模型显示出更高的预测准确性.
• 周围手术性中风被确定为后续IS最强的预测因素.

结论:

• 开发的RF模型准确地预测了PCI后的短期和长期IS风险.
• 机器学习为PCI后的IS提供了比后勤回归更好的预测.
• 早期识别和积极管理周围手术性中风可能会减轻未来的IS风险.