基于机器学习的人工智能对左心室末腹压升高的评估:克利夫兰诊所的队列研究
Bo Xu1, Michelle Z Fang2, Yadi Zhou3
1Section of Cardiovascular Imaging, Robert and Suzanne Tomsich Department of Cardiovascular Medicine, Sydell and Arnold Miller Family Heart, Vascular and Thoracic Institute, Cleveland Clinic, Cleveland, OH, USA.
Cardiovascular diagnosis and therapy
|November 8, 2024
概括
机器学习使用临床和回声心脏学数据准确预测左心室末腹压升高 (LVEDP). 这种方法可以帮助解释心声回声图,以更好地评估心脏状况.
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:
- 左心室末端透气压 (LVEDP) 对于心脏健康评估至关重要.
- 侵入性导管是LVEDP测量的黄金标准,但心声回声学提供了一个具有可变精度的非侵入性替代方案.
- 非侵入性地预测LVEDP升高仍然是一个临床挑战.
研究的目的:
- 开发和评估机器学习 (ML) 算法,用于预测升高的LVEDP (>20 mmHg).
- 用临床,心声和生物标记数据来开发ML模型.
- 评估ML在预测腹功能障碍参数和分类心脏病的表现.
主要方法:
- 分析了一组460名没有心房动或显著的 mitra 门疾病的患者.
- 收集了临床,心声回声 (例如,E/e') 和生物标志物 (例如,NT-proBNP) 数据.
- 后勤回归,随机森林,梯度提升,SVM和KNN算法被训练并使用20个代工作流进行测试,性能由AUROC测量.
主要成果:
- 在预测高 LVEDP (AUROC = 0.761) 方面,ML算法取得了良好的表现.
- 在预测升高的tau (>45毫秒) (AUROC = 0.832) 和分类心脏病 (AUROC = 0.757-0.975) 方面观察到出色的表现.
- 对LVEDP的关键预测因素包括透析血压,BMI,心率,左心房体积,心心减速时间和NT-proBNP.
结论:
- 机器学习模型显示出对高LVEDP和tau的强大预测能力.
- ML可以增强对心声回声学数据的临床解释,以改善患者护理.
- 这项研究强调了ML在非侵入性心脏评估中的潜力.
