机器学习预测对患有大动脉狭窄症的患者的预后
Sara Shimoni1, Ruslan Sergienko2, Pablo Martinez-Legazpi3
1The Heart Institute, Kaplan Medical Center, Rehovot, Israel and Hebrew University and Hadassah Medical School, Jerusalem, Israel.
一个新的机器学习模型准确地预测了大动脉狭窄症 (AS) 患者的结果. 该工具识别了关键的预后因素,有助于临床决策,并可能提高患者的生存率.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 大动脉狭窄 (AS) 是一种严重的疾病,与患者的不良结果有关.
- 预测AS的预后对于及时干预和管理至关重要.
研究的目的:
- 开发和验证基于机器学习的风险预测模型,用于大动脉狭窄 (AS) 的预后.
- 确定AS结果的关键临床和心声学预测因素.
主要方法:
- 一个时间到事件模型,随机生存森林 (RSF) 在一个大型AS注册表 (10,407名患者) 上受过训练.
- 使用了临床,心声回声,实验室和药物数据.
- 用SHapley添加式扩展方法用于变量重要性和个性化风险评估.
- 该模型在两个独立的外部队列中得到验证.
主要成果:
- 在RSF模型中,在初级队列中,RSF模型表现出强大的预测性能,在1年和5年内AUC为0.83.
- 外部验证显示了类似的性能 (AUC为0.73和0.74).
- 重要的预测因素包括AS严重程度,年龄,血清白蛋白,肺动脉压力和慢性病.
结论:
- 一个机器学习算法有效预测AS患者的结果.
- 该模型提供了准确的预后见解,并确定了关键的风险因素.
- 这种工具可以支持临床决策和指导风险因素修改策略,以提高患者的预后.
更多相关视频
06:51Author Spotlight: Development of a Minimally Invasive Large-Animal Model for Reliable and Reproducible Cardiovascular Research
Published on: October 20, 2023
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
相关概念视频
Aortic Regurgitation IV: Nursing Management
Aortic Regurgitation I: Introduction
Mitral Stenosis II: Clinical features and Diagnostic Tests
Aneurysm II: Clinical Manifestations and Diagnostic Studies
