人工智能预测急性心力衰竭恶化患者住院治疗心肌输血成像患者的心脏衰竭恶化
Attila Feher1,2, Bryan Bednarski3, Robert J Miller3,4
1Section of Cardiovascular Medicine, Department of Internal Medicine, Yale School of Medicine, New Haven, Connecticut.
整合SPECT成像的人工智能模型显著改善了心力衰竭 (HF) 住院预测. 这种人工智能驱动的方法提高了早期干预和更好的患者结果的风险评估.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 心力衰竭 (HF) 是全球发病率,死亡率和经济负担的主要原因.
- 准确预测HF恶化对于及时干预和改善患者管理至关重要.
- 目前的风险预测模型在准确预测HF住院时存在局限性.
研究的目的:
- 开发和验证一种人工智能 (AI) 模型,用于预测急性心力衰竭 (HF) 恶化住院情况.
- 评估将SPECT/CT心肌输液成像参数纳入AI风险预测中的附加值.
- 将AI模型的预测性能与传统的临床和压力测试参数进行比较.
主要方法:
- 开发了一种AI风险预测模型,使用从4,766名接受SPECT/CT (内部队列) 的患者的数据.
- 该模型整合了临床因素,压力变量,SPECT成像和深度学习衍生的分数.
- 在内部使用10倍交叉验证和外部在2,912名患者的单独队列上验证了该模型.
主要成果:
- 人工智能模型在内部队列中显示出HF入院的优异预测,AUC为0.87±0.03.
- 这种压力表现优于左心室喷射率 (AUC 0.73 ± 0.05) 和仅临床模型 (AUC 0.81 ± 0.04).
- 外部验证证实了人工智能模型的强大性能 (AUC 0.80 ± 0.04).
结论:
- 将SPECT心肌输液成像与AI集成,显著提高了HF住院预测.
- 拟议的基于人工智能的风险评估使得早期干预能够防止入院.
- 这种方法有可能改善患者护理和心力衰竭管理的结果.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
11:09High-Resolution Cardiac Positron Emission Tomography/Computed Tomography for Small Animals
Published on: December 16, 2022
相关概念视频
Pulse rhythm
Conversely, an irregular pulse pattern is termed dysrhythmia, stemming from disruptions in cardiac muscle...
Heart Failure V: Medical Management
Heart Failure VI: Adjunct Therapies
Heart Failure VII: Nursing Interventions
Cardiomyopathy II: Dilated Cardiomyopathy
Cardiomyopathy V: Interprofessional Care
