基于注意力的深度学习模型用于预测腹腔透析患者中主要不良心血管事件的预测
IEEE journal of biomedical and health informatics
|December 4, 2023
概括
在腹腔透析 (PD) 患者中预测主要不良心血管事件 (MACE) 是至关重要的. 一个新的基于注意力的模型,CVEformer,准确地预测MACE,并使用电子健康记录识别关键风险因素.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 主要不良心血管事件 (MACE) 对接受腹腔透析 (PD) 的患者来说是一个重大问题.
- 现有的预后方法难以应对电子健康记录 (EHR) 的复杂性和数量.
- 在PD患者中确定心血管风险因素对于改善结果至关重要.
研究的目的:
- 开发一种先进的模型,用于预测PD患者的MACE.
- 分析在这个人群中导致MACE的关键风险因素.
- 克服当前预测方法在处理高维,异质,时间序列的电子健康记录数据方面的局限性.
主要方法:
- 介绍了基于注意力的神经网络CVEformer.
- 使用自我注意力机制来捕捉时间序列变量中的时间相关性.
- 分析异质变量之间的相关性和时间序列中的相关性,以确定风险因素和预测MACE概率.
主要成果:
- 与现有模型相比,CVEformer表现出优越的预测性能.
- 该模型有效地整合了变量,并估计了MACE概率.
- 在PD患者中确定了MACE的关键风险变量.
结论:
- CVEformer提供了一种强大而有效的方法,用于在PD患者中预测MACE.
- 该模型分析EHR数据的能力提高了风险因素的识别.
- 这种人工智能驱动的方法有望改善PD患者的心血管护理.
更多相关视频
07:11Surgical Techniques for Catheter Placement and 5/6 Nephrectomy in Murine Models of Peritoneal Dialysis
Published on: July 19, 2018
15.3K
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.4K
