一个心脏深度学习模型 (CDLM) 预测和识别先天性心脏病的风险因素
Prabu Pachiyannan1, Musleh Alsulami2, Deafallah Alsadie2
1Department of Computer Science, CHRIST, Bangalore 560029, India.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
一个新的心脏深度学习模型 (CDLM) 准确预测新生儿死于先天性心脏病 (CHD) 的风险. 这种机器学习方法可以识别高风险的婴儿,使得及时的干预能够拯救全球生命.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 公共卫生 公共卫生
背景情况:
- 先天性心脏病 (CHD) 是新生儿死亡的主要原因,不成比例地影响低收入和中等收入国家.
- 有限的资源和医疗保健的获取加剧了弱势群体中冠状动脉疾病的死亡率.
- 机器学习为开发预测模型来评估心血管疾病死亡风险提供了一个有希望的途径.
研究的目的:
- 提出一种创新的机器学习方法,以尽量减少与先天性心脏病相关的新生儿死亡率.
- 开发一种诊断模型,识别新生儿心血管疾病死亡率的关键风险因素.
- 为医疗保健专业人员提供定制干预和早期检测策略的工具.
主要方法:
- 对被诊断患有心脏病的婴儿的数据进行分析,包括母亲的临床病史和胎儿健康信息.
- 为风险预测开发和应用心脏深度学习模型 (CDLM).
- 使用诸如灵敏度,特异性和预测值等指标评估模型的性能.
主要成果:
- 拟议的CDLM在预测CHD死亡风险方面表现出很高的表现.
- 关键性能指标包括:灵敏度为91.74%,特异性为92.65%,正预测值为90.85%,负预测值为55.62%.
- 该模型的错误率为91.03%,表明其在识别有风险的婴儿方面的有效性.
结论:
- CDLM为医疗保健专业人员提供了一种强大的工具,以打击与心血管疾病相关的新生儿死亡率.
- 准确的风险预测可以实现有针对性的干预,包括加强护理和早期治疗.
- 这项研究有可能显著改善医疗保健结果并拯救全世界的生命.
