通过机器学习算法诊断对家族性高胆固醇血症患者的管理的影响
Kain Kim1, Samir C Faruque2, Shivani Lam3
1Department of Medicine, Emory School of Medicine, Atlanta, Georgia, USA.
一个机器学习算法 (MLA) 识别了患有家族性高胆固醇血症 (FH) 的个体. 那些被诊断为FH的人与未被诊断的个人相比,接受了更一致的医疗管理和心血管监测.
科学领域:
- 心脏病学 心脏病学
- 遗传学 是一个遗传学.
- 医疗信息学 医疗信息学
背景情况:
- 家族性高胆固醇血症 (FH) 是一种被诊断不足的遗传疾病,导致过早的心血管疾病.
- 标记,识别,网络和交付 (FIND) FH机器学习算法 (MLA) 有助于通过电子医疗记录识别高风险个人,以进行有针对性的查.
研究的目的:
- 描述FIND FH MLA识别的患者的诊断编码状态.
- 评估FH诊断状态和医疗管理模式之间的相关性,包括心血管结果.
主要方法:
- 在一个大型学术医疗中心进行了一项回顾性,横截面的队列研究.
- 应用FIND FH MLA来识别潜在的FH病例,随后进行手动图表审查和按诊断状态分层.
- 包括人口统计,病史,实验室值,药物和心血管结果在内的关键变量在诊断组之间进行了比较.
主要成果:
- 在5.5年内,MLA确定了471名患有FH高概率的患者;121人 (26%) 符合"可能的FH"的标准,而没有先前诊断.
- 与那些可能患有FH的患者相比,已确定的FH诊断 (n=32) 的患者显示出显著更多的脂质面板监测,先进的降脂疗法,专家访问和先进的心血管检测 (CACS, Lp(a)).
- 在已确定的FH和可能的FH组之间没有观察到先前主要不良心血管事件的显著差异.
结论:
- FIND FH MLA证明了在识别未被诊断的FH个体方面的可行性.
- 这种方法可以帮助解决因FH而增加心血管风险的个体的治疗差异.
更多相关视频
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
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
相关概念视频
Atherosclerosis III: Management
Coronary Artery Disease IV: Medical Management
Coronary Artery Disease I: Introduction
Cholesterol: Significance and Regulation
Considering cholesterol and...
Angina IV: Management
Cardiomyopathy III: Hypertrophic Cardiomyopathy
