机器学习用于通过心声学对肺高血压进行诊断
Vidhu Anand1, Alexander D Weston2, Christopher G Scott3
1Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN.
Mayo Clinic proceedings
|February 3, 2024
概括
机器学习使用心声学准确预测肺高血压 (PH),识别患有这种疾病的可能性很低的患者,而不需要三腹吐速度测量.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 肺高血压 (PH) 诊断依赖于侵袭性右侧心脏导管.
- 心声学提供非侵入性测量,可以潜在地预测PH.
- 开发PH的准确的非侵入性预测模型是临床需求.
研究的目的:
- 评估一种机器学习 (ML) 模型,用于预测肺高血压 (PH).
- 用心声图数据评估模型的性能.
- 为了确定PH是否可以在没有特定测量的情况下预测,例如三回速度.
主要方法:
- 分析了7853名患有心声学和右侧心脏导管数据的患者队列.
- 在64%的数据上训练了一种梯度增强机器模型,在16%的数据上进行验证,并在20%的数据上进行测试.
- 该模型利用了19个心声回声学特征,测量或印象来预测PH (肺动脉平均压力>20毫米升).
主要成果:
- ML模型在测试数据中显示了PH检测的高差异性 (AUC 0.83).
- 该模型实现了82%的准确度,88%的灵敏度,89%的正预测值和54%的负预测值.
- 该模型使用心声回声学变量成功预测了PH,不包括三回速度.
结论:
- 机器学习模型可以使用临床和心声学变量预测肺高血压.
- 这些ML方法对识别PH可能性较低的患者有前途.
- 基于心声学的ML模型为PH风险分层提供了潜在的非侵入性方法.
