人工智能算法允许快速分类急性损伤风险的急性心肌梗塞患者
Jun Wei1,2, Dabei Cai3,4, Tingting Xiao3
1Department of Cardiovascular Surgery, The First Affiliated Hospital of Anhui Medical University, Hefei, Anhui, China.
Heliyon
|September 3, 2024
概括
人工智能模型被开发用于预测急性脏损伤 (AKI) 在急性心肌梗塞 (AMI) 的患者. 随机森林,C5.0和袋装CART模型在识别高风险个体方面表现强.
科学领域:
- 人工智能在医学中的应用
- 心脏病学 心脏病学
- 腎臟病學 (nephrology) 是一種醫學.
背景情况:
- 急性损伤 (AKI) 是急性心肌梗塞 (AMI) 患者的重大并发症.
- 早期识别高风险患者对于及时干预和改善结果至关重要.
- 现有的预测方法可能无法完全捕捉AMI后AKI发展的复杂性.
研究的目的:
- 开发和验证人工智能 (AI) 模型,用于预测住院AMI患者的AKI.
- 为了确定最有效的AI模型,用于AKI的早期风险分层.
- 通过外部验证队列来评估这些模型的通用性.
主要方法:
- 开发12个AI模型,使用来自MIMIC III和IV数据库的AMI患者的数据.
- 提取患者的人口统计数据,生命体征,临床特征,实验室结果和治疗措施.
- 使用两个独立的医院队列 (常州和徐州) 对表现最好的模型进行外部验证.
主要成果:
- 在3882名注册的AMI患者中,AKI发生在28.3%的患者中.
- 随机森林 (RF),C5.0和袋装CART模型表现出卓越的性能.
- 射频模型在测试组中实现了0.754的AUC,在外部验证队列中具有类似的强大性能.
结论:
- 基于AI的模型,特别是RF,C5.0和Bagged CART,可以有效地预测AMI患者的AKI风险.
- 这些模型为早期识别高风险个体提供了有前途的工具,从而实现了主动管理.
- 经过验证的AI模型可以支持临床决策,以减少AKI的发生率并改善患者的预后.
