机器学习以识别复合指标来预测缺血性心脏病中的心脏死亡
Alessandro Pingitore1, Chenxiang Zhang2, Cristina Vassalle3
1Clinical Physiology Institute, CNR, Pisa, Italy.
International journal of cardiology
|March 25, 2024
概括
机器学习模型可以预测缺血性心脏病 (IHD) 患者的心脏死亡风险. 综合方法改善了风险分层,提高了患者生存预测.
科学领域:
- 心血管医学 心血管医学
- 人工智能的人工智能
- 生物统计学 生物统计学
背景情况:
- 机器学习 (ML) 算法分析大型数据集中的复杂相互作用,以预测事件.
- 鉴定心脏缺血性心脏病 (IHD) 患有心脏死亡 (CD) 高风险的患者对于有效治疗至关重要.
研究的目的:
- 评估ML在识别具有CD高风险的IHD患者中的潜力.
- 开发和比较ML模型,以改善心脏死亡风险预测.
主要方法:
- 纳入了3987名住院的IHD患者.
- 实施和比较了各种ML模型和组合.
- 废弃试验评估了主要变量的重要性.
主要成果:
- 组合分类器结合了三个ML模型,实现了CD预测的AUROC为0.830.
- 与标准多变量分析相比,ML指标提高了约20%的风险分层.
- 根据ML指标确定为低风险患者的存活率显著更高 (88.8%与29.1%相比).
结论:
- ML提供了一种更快,更具成本效益和可靠的方法来评估IHD患者的预后.
- 将更多的预测因素纳入并通过ML识别显著的预测因素可以改善结果预测.
- ML促进了IHD领域的精准医学发展.
