通过模拟,人工智能和网络技术增强早期心血管疾病预测的临床验证
Md Abu Sufian1,2, Wahiba Hamzi3, Sadia Zaman4
1IVR Low-Carbon Research Institute, Chang'an University, Xi'an 710018, China.
Diagnostics (Basel, Switzerland)
|June 27, 2024
概括
这项研究引入了一个人工智能仪表板,使用基于代理的模拟和集体学习来预测心血管疾病 (CVD) 准确率为97%. 这款用户友好的网络应用程序有助于早期检测和积极的患者护理.
科学领域:
- 人工智能在医学中的应用
- 心血管疾病预测预测
- 计算健康科学 计算健康科学
背景情况:
- 心血管疾病 (CVD) 是全球主要的死亡原因,需要先进的预测模型.
- 现有的预测模型往往缺乏细节性,以捕捉个体患者对风险因素的反应.
研究的目的:
- 开发一个人工智能驱动的仪表板,以便更好地预测心血管疾病 (CVD) 的进展.
- 通过基于代理的模拟和集体学习来提高CVD预测模型的准确性和用户可访问性.
主要方法:
- 实施了基于代理的动态模拟技术,以模拟个体患者对心血管风险因素的反应.
- 利用集体学习,包括XGBoost,在初始预测中实现高准确度 (91-95%).
- 将预测模型集成到用户友好的Streamlit网络应用程序中,通过Brier分数和校准曲线验证,达到97%的预测准确度.
主要成果:
- 人工智能仪表板实现了97%的心血管疾病 (CVD) 预测准确度.
- 组合学习和XGBoost表现出强的表现,分别达到91%和95%的准确性.
- Streamlit应用程序为临床医生和患者提供了无的互动,在实时临床环境中被证明是有效的.
结论:
- 结合基于代理的模拟,集体学习和以用户为中心的Web应用程序,可以显著提高CVD预测的准确性和可访问性.
- 开发的AI仪表板在早期CVD检测方面表现出强大的有效性,并支持主动的患者管理.
- 在外部临床环境中验证后,该方法论证明了改善心血管健康结果的现实应用性.
