人工智能和大数据技术在为冠状动脉旁路移植患者构建外科风险预测模型时

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 冠状动脉旁路移植 (CABG) 是一种关键的心脏手术.
• 准确预测死亡风险对于患者管理和结果至关重要.
• 现有的风险预测模型可能会从人工智能 (AI) 和大数据方面的进步中受益.

研究的目的:

• 开发和评估AI驱动的CABG患者死亡风险预测模型.
• 利用大数据技术提高预测准确度.
• 为心脏外科手术提供临床决策支持工具.

主要方法:

• 从2019年1月至2021年8月期间接受CABG的2,364名患者收集了临床数据.
• 利用人工智能和大数据技术用于业务和系统需求分析.
• 开发了一个并发症预测模块,并使用大数据挖掘来建立模型.
• 通过使用精度,回忆和F1分数来评估梯度增强树 (GBT) 模型.

主要成果:

• GBT模型在精度,F1得分和ROC曲线下的面积方面表现出卓越的性能.
• 根据预测得分,患者被分为四个风险组 (A,B,C,D).
• 总体预测的死亡率 (2.67%) 比实际的住院死亡率 (1.05%) 高.
• 该模型在B组 (中间风险) 中显示了可信的结果,但仍然高估了死亡率 (预测为0.96%而实际为0.33%).

结论:

• 一个基于人工智能和大数据的CABG风险预测模型成功构建.
• 该模型倾向于高估中等风险患者的死亡风险.
• 需要进一步的研究和开发来完善该模型,以便在不同的心脏病中更广泛地适用,并提高准确性.