EstimATTR:一种基于机器学习的简化工具,用于预测野生类型的转氨基酸粉样性心肌病的风险

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 机器学习 机器学习

背景情况:

• 野生类型的氨酸氨酸心肌病变 (ATTRwt-CM) 是心力衰竭的一个未被确诊的原因.
• 早期检测至关重要,因为ATTRwt-CM可以在没有治疗的情况下迅速进展.

研究的目的:

• 简化机器学习算法用于预测ATTRwt-CM风险.
• 开发一个易于实施的临床风险评估工具.

主要方法:

• 使用11种预测ATTRwt-CM.的表型开发了一个随机森林模型.
• 该模型在美国的医疗索赔和电子健康记录上接受了培训和验证.

主要成果:

• 简化模型在识别ATTRwt-CM时实现了74%的准确度,77%的灵敏度和72%的特异性.
• 在验证队列中观察到强大的表现,AUC为0.82.

结论:

• 机器学习模型准确地估计了行政数据集中的ATTRwt-CM概率.
• 这种工具可以促进早期的临床评估和诊断ATTRwt-CM.