人工智能 (AI) 驱动的虚弱预测使用心血管疾病住院患者的电子健康记录
Masashi Yamashita1,2, Kentaro Kamiya2,3, Kazuki Hotta2,3
1Division of Research, ARCE Inc. Sagamihara Japan.
Circulation reports
|November 11, 2024
概括
研究人员开发了一种深度学习模型,利用电子医疗记录预测心血管疾病患者的身体虚弱. 该模型显示了良好的准确性,并预测了患者的结果,有助于临床决策.
科学领域:
- 心脏病学 心脏病学
- 老年学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 身体虚弱是心血管疾病患者的一个重要问题.
- 准确预测脆弱性对于管理患者的结果至关重要.
- 电子医疗记录 (EMR) 包含用于预测建模的宝贵数据.
研究的目的:
- 开发和评估一个深度学习模型来预测表型的身体脆弱性.
- 用电子病历数据评估模型的预测性能.
- 将深度学习模型的准确性与传统的机器学习方法进行比较.
主要方法:
- 一个单一中心的回顾性研究包括评估身体虚弱的患者.
- 患者被随机分配到训练 (80%) 和验证 (20%) 组.
- 开发和比较了深度学习模型 (LightGBM,随机森林,物流回归).
主要成果:
- 在测试组中,LightGBM深度学习模型实现了最高的准确性 (AUC 0.804,F1得分为 0.561).
- 仅使用血液生物化学指数的模型显示了可比的预测能力.
- 这些模型显示了与身体功能,死亡率和心力衰竭再入院的强烈关联.
结论:
- 深度学习模型可以准确地预测心血管疾病患者的表型身体虚弱.
- 这些模型显示了与重要临床结果的一致关联.
- 可以有效地利用EMR数据,特别是生物化学标记物,进行脆弱性预测.
