[针对中风患者的非侵入性医院前查模型的构建和外部验证:基于人工智能DeepFM算法的研究]

科学领域:

• 人工智能在医学中的应用
• 神经学 神经学
• 大数据分析大数据分析

背景情况:

• 评估中风的严重程度对于及时干预和管理至关重要.
• 目前的医院前查方法可能缺乏准确性和效率.
• 开发人工智能驱动的工具可以提高早期中风检测和患者护理.

研究的目的:

• 构建一种非侵入性,基于人工智能的中风严重程度的医院前查模型.
• 为中风患者及其家属提供早期预警和指导.
• 用准确的数据支持临床决策.

主要方法:

• 一项回顾性研究分析了53793名中风患者的数据.
• 使用DeepFM算法构建了预测模型,以及其他五种数据挖掘模型.
• 模型在不同的数据集上进行训练和测试,并进行外部验证.

主要成果:

• 在预测中风严重程度方面,DeepFM模型实现了高精度 (0.951) 和灵敏度 (0.992).
• 它的性能,包括0.916的AUC,明显优于其他测试模型.
• 外部验证证实了该模型的良好概括性能 (精度为0.891).

结论:

• 基于人工智能的DeepFM模型提供了准确的医院前非侵入性中风严重程度预测.
• 该工具具有快速查和早期临床决策支持的巨大潜力.
• 该模型可以通过及时和知情的干预来改善中风患者的结果.