使用真实世界的数据验证预测算法,以估计内动脉瘤发展的风险,使用真实世界的数据
Tackeun Kim1,2,3, Jisu Choi1, Won-Ju Park4
1TALOS Corp, 160, Yeoksam-ro, Gangnam-gu, Seoul, 06249, Republic of Korea.
Scientific reports
|September 5, 2023
概括
机器学习模型使用健康查数据准确预测内动脉瘤 (IA) 的患病率. 这种AI工具有助于IA的早期检测策略,改善患者的治疗结果.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 内动脉瘤 (IA) 难以检测,导致许多未被诊断的病例由于风险和昂贵的查方法.
- 开发一个风险评估系统对于有效和安全的IA选策略至关重要.
- 一个以前开发的AI模型使用队列数据预测了IA发病率风险.
研究的目的:
- 为了验证现有的AI驱动的发病风险预测模型的临床性能,以估计IA流行风险.
- 用横截面数据评估模型在现实世界健康查环境中的实用性.
- 通过风险分层来探索早期IA检测的潜力.
主要方法:
- 利用了来自5942名在韩国医院接受自愿健康检查和脑CTA的人的横截面数据 (2007-2019).
- 应用了先前存在的AI模型来计算IA风险得分 (0-100) 对于没有先前脑血管疾病史的参与者.
- 使用国家数据进行了年龄性别标准化,以比较不同风险组的IA患病率.
主要成果:
- 根据年龄和性别标准化的AI总体患病率为3.20%.
- 患病率随风险评分显著增加:0.18% (最低风险) 到6.44% (最高风险),极端群体之间的几率比率为38.50.
- 人工智能模型表现出可行的性能,最佳截止风险得分为60.5,AUC为0.70.
结论:
- 基于机器学习的发病风险预测模型在健康查环境中有效预测IA流行风险.
- 这种人工智能系统可以根据风险对个人进行分层,促进有针对性的查,并可能使内动脉瘤的早期检测成为可能.
- 这些发现支持将AI风险评估工具整合到例行健康检查中,以改善IA管理.
