人工智能改善了心血管疾病风险预测.
Achamyeleh Birhanu Teshale1,2, Htet Lin Htun1, Mor Vered3
1School of Public Health and Preventive Medicine, Monash University, Melbourne, VIC, Australia.
人工智能 (AI) 模型,特别是深度学习,显著改善了老年人心血管疾病 (CVD) 风险预测. 与传统方法相比,这些AI工具提供了更有效和更具成本效益的患者治疗策略.
科学领域:
- 老年学是一门学科.
- 人工智能在医学中的应用
- 心血管疾病研究研究
背景情况:
- 心血管疾病 (CVD) 是全球主要的死亡原因.
- 准确预测心血管疾病风险对于及时干预至关重要,特别是在老龄化人口中.
- 现有的风险预测模型可能无法完全捕捉老年人心血管疾病发展的复杂性.
研究的目的:
- 评估人工智能 (AI) 模型的有效性,包括深度学习 (DL),用于预测心血管疾病 (CVD) 风险.
- 在70岁及以上的成年人中,将AI模型的预测性能与传统机器学习方法进行比较.
- 评估人工智能驱动的CVD风险预测的临床实用性和成本效益.
主要方法:
- 利用了一大群70岁或以上的成年人.
- 开发并应用深度学习模型 (DeepSurv,NMTLR) 来预测心血管疾病风险.
- 将DL模型与传统 (Cox) 和机器学习 (随机生存森林) 模型进行比较,使用C指数和综合障碍得分 (IBS) 等指标.
主要成果:
- 与传统和机器学习模型相比,深度学习模型 (DeepSurv,NMTLR) 显示出优异的预测性能 (更高的C指数,更低的IBS).
- 人工智能模型需要治疗的患者数量要少得多,以防止一个心血管疾病事件 (NNT=9-10) 与传统模型 (NNT=38) 相比.
- 人工智能驱动的风险评分显示出更高的预测准确性和临床实用性.
结论:
- 人工智能模型,特别是DL,在预测老年人心血管疾病风险方面提供了更高的准确性和效率.
- 人工智能驱动的风险预测可以带来更具成本效益的患者管理和改善的健康结果.
- 人工智能工具应该增强,而不是取代医疗保健专业人员,并有可能重新评估现有的风险评分.
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
06:57Author Spotlight: Advancing Cardiovascular Imaging - Introducing the Spatially Weighted Calcium Score for Early Disease Detection
Published on: September 22, 2023
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Psychoneuroimmunology: Cardiovascular Disease
A key area of focus in PNI is the relationship between stress and coronary...
Cardiovascular Drugs: Classification based on Therapeutic Indications
Pre-Procedural Guidelines for Assessing Blood Pressure
