一个机器学习算法用于识别患有冠状动脉心脏病或患冠状动脉心脏病的高风险患者的升高Lp (a)
Rosa Fernández Olmo1, Gustavo Cortez2, Miriam Martin Toro3
1Cardiology Department, Hospital de Jaén, Jaén, Spain.
机器学习决策树确定了患有升高脂蛋白[Lp[a]和冠心病 (CHD) 风险的患者群. 这种算法有助于预测患有或患有心血管疾病高风险的患者的高Lp(a) 水平.
科学领域:
- 心血管医学 心血管医学
- 机器学习 机器学习
- 生物标志物 生物标志物
背景情况:
- 升高的脂蛋白 (Lp) 是冠心病 (CHD) 的危险因素.
- 机器学习决策树可以识别具有相似临床模式的患者群.
研究的目的:
- 应用机器学习决策树来识别患有高Lp(a) 和CHD风险的患者群.
- 在心血管疾病患者队列中分析临床变量和Lp(a) 水平之间的关系.
主要方法:
- 在西班牙,一个2301名患有或患有心血管疾病的高风险患者的多中心注册表.
- 使用了机器学习决策树 (Chi-square自动交互检测).
- 升高的Lp (a) 被定义为>50 mg/dl.
主要成果:
- 该算法根据LDLc,CHD,早发性CHD的家族史 (FH) 和年龄确定了6个群.
- 早发性心脏病的LDLc,CHD和FH较高的集群患者的Lp (a) 值显著更高.
- Lp (a) >50 mg/dl的发病率在最低风险组为15.4%,在最高风险组为91.1%.
结论:
- 机器学习决策树有效地识别了患有高Lp (a) 水平的患者群.
- 该算法突出显示了患有或患有心血管疾病高风险的患者中Lp (a) 升高的概率.
- 这种方法可以帮助风险分层和针对心血管疾病的个性化药物.
更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
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
相关概念视频
Coronary Artery Disease IV: Medical Management
Coronary Artery Disease I: Introduction
Acute Coronary Syndrome III: Diagnostic studies
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Atherosclerosis II: Clinical manifestations and prevention
Coronary Artery Disease V: Surgical Management
