利用人工智能预测儿童周膜腹腔隔膜缺陷的自发关闭:一项多中心的,中国的回顾性研究
Jing Sun1, Tienan Feng2, Bo Wang3
1Department of Pediatric Cardiology, Xinhua Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai, China; Engineering Research Center of Techniques and Instruments for Diagnosis and Treatment of Congenital Heart Disease, Ministry of Education, Shanghai, China.
The Lancet. Digital health
|December 26, 2024
概括
一个人工智能模型准确地预测了周膜腹腔隔膜缺陷 (VSD) 的自发关闭. 这种人工智能工具增强了对先天性心脏病的管理决策,改善了患者的治疗结果.
科学领域:
- 心脏病学 心脏病学
- 医疗人工智能 医疗人工智能
- 遗传性心脏病是一种先天性心脏病.
背景情况:
- 周膜室隔膜缺陷 (PMVSD) 是一种常见的先天性心脏缺陷.
- 预测PMVSD自发关闭对于治疗决策至关重要.
- 目前的预测模型由于依赖结构化数据而存在局限性.
研究的目的:
- 开发和验证基于人工智能的模型,用于预测PMVSD的自发关闭.
- 用NLP和机器学习来提高自发关闭预测的准确性.
- 加强PMVSD患者的临床决策.
主要方法:
- 对来自多个中心的29,142名PMVSD患者的回顾性分析.
- 使用自然语言处理 (NLP) 来从心声回声报告和医疗记录中提取数据.
- 开发和评估机器学习模型,包括随机生存森林,使用AUC和决策曲线分析.
主要成果:
- 在12.1%的患者中观察到自发关闭.
- 人工智能模型表现出卓越的预测性能,AUC为0.95-0.98,跨越不同的预测时间范围 (1-5年).
- 确定缺陷形态和患者年龄作为关键预测因素;模型显示出高临床效用和一致性.
结论:
- 基于人工智能的模型显著提升了自发PMVSD关闭的预测.
- 这种工具可以优化患者管理,并减少与延迟或不适当治疗相关的风险.
- 预测准确度的提高导致先天性心脏病患者的临床结果更好.
