使用DERGA揭示心血管疾病的性质,这是一个新的数据集精制贪算法

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 生物医学数据科学 生物医学数据科学

背景情况:

• 心血管疾病 (CVD) 是一个重大的全球健康挑战.
• 准确预测心血管疾病风险对于早期干预和管理至关重要.
• 确定关键的预测参数对于开发有效的诊断工具至关重要.

研究的目的:

• 确定与心血管疾病 (CVD) 相关的最关键参数.
• 采用一种新的数据集精细化程序来发现这些参数的最佳模式,以获得高预测准确度.
• 加强早期诊断,优化CVD风险评估中的资源利用.

主要方法:

• 分析了369名患者的数据 (281名患有心血管疾病或有风险,88名健康).
• 利用基于人工智能的算法,包括DERGA和Extra Trees,用于模式识别.
• 评估了各种参数的预测能力,包括血小板衍生的微 (PMV),高血压,年龄,吸烟,失脂症和体重指数 (BMI).

主要成果:

• 六个参数组合,包括PMV,高血压,年龄,吸烟,失脂症和BMI,有效地辨别心血管疾病的可能性.
• 实现的最高预测准确率为98.64%.
• 单独的血小板衍生微导体 (PMV) 产生了91.32%的准确性,而十个参数模型实现了97.83%的准确性.

结论:

• DERGA算法有效地识别了用于评估心血管疾病风险的关键参数.
• 这种方法加速了心血管疾病风险评估,使得早期诊断成为可能,并减少了对广泛实验室测试的需求.
• 这些发现提高了对心血管疾病易感性的理解,并优化了医疗保健中的资源配置.