使用可解释的人工智能对急性缺血性中风患者的个性化死亡率预测
Lingyu Xu1, Chenyu Li1,2, Jiaqi Zhang3
1Department of Nephrology, The Affiliated Hospital of Qingdao University, 16 Jiangsu Road, Qingdao, 266003, China.
European journal of medical research
|June 20, 2024
概括
患有急性病 (AKD) 的急性缺血性中风 (AIS) 患者的死亡风险更高. 可解释的机器学习模型可以预测死亡率,帮助这些高风险患者的早期预防策略.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學.
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 在急性缺血性中风 (AIS) 之后的急性病 (AKD) 尚未得到研究.
- 在AIS后影响AKD预后的临床因素尚不清楚.
研究的目的:
- 使用可解释机器学习 (ML) 来分析AIS患者.
- 确定预测AIS患者死亡风险的关键临床特征.
主要方法:
- 对1633名AIS患者的回顾性队列研究 (2020年1月至2021年6月).
- 八个ML算法被用来构建死亡率预测模型.
- 一个人工智能驱动的Web应用程序是使用前十个预测功能开发的.
主要成果:
- 在LightGBM模型中,死亡率预测的AUROC为0.96.
- 关键的死亡预测因素包括功能轨迹,ACEI/ARE,中性粒细胞计数,利尿剂和血清肌素.
- 创建了一个Web应用程序,以基于这些特征来估计死亡风险.
结论:
- 功能轨迹 (AKI和AKD) 对预测AIS患者的死亡率至关重要.
- 可解释的ML模型可以有效地识别高风险的AIS患者.
- 人工智能工具可能支持个性化的早期死亡预防.
更多相关视频
09:52Setting Up a Stroke Team Algorithm and Conducting Simulation-based Training in the Emergency Department - A Practical Guide
Published on: January 15, 2017
17.2K
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
8.2K
