开发可靠的人工智能模型来预测血管疾病进展:VASCUL-AID-RETRO研究协议
Lotte Rijken1,2,3, Sabrina Zwetsloot1,2, Stefan Smorenburg1,2
1Department of Surgery, Amsterdam University Medical Center, Location Vrije Universiteit, Amsterdam, The Netherlands.
概括
在VASCUL-AID-RETRO研究中,开发人工智能模型来预测腹腔大动脉动脉瘤 (AAA) 和外周动脉疾病 (PAD) 的进展. 这些人工智能模型整合了多式联网数据,以改善心血管事件风险分层和个性化患者护理.
科学领域:
- 心血管医学 心血管医学
- 人工智能的人工智能
- 基因组学和蛋白质组学
背景情况:
- 腹腔大动脉动脉瘤 (AAA) 和外周动脉疾病 (PAD) 具有重大心血管不良事件和死亡的重大风险.
- 目前的疾病管理面临挑战,原因是个体患者的疾病进展不可预测.
研究的目的:
- 开发可靠的多式预测人工智能 (AI) 模型,用于AAA和PAD患者疾病进展和心血管事件的风险分层.
- 通过人工智能驱动的预测,增强血管外科的个性化医疗.
主要方法:
- 来自欧洲中心的5000名AAA和6000名PAD患者 (2015-2024) 的多模式数据 (临床,成像,蛋白质组学,基因组学) 的回顾性收集 (2015-2024).
- 使用集成数据开发人工智能模型,考虑可靠人工智能的伦理准则和法律标准.
- 用VASCUL-AID-PRO研究中的前性数据对模型的内部验证.
主要成果:
- 该研究将整合各种数据来源,包括电子健康记录,生物库和注册表.
- 人工智能模型将接受细分动脉几何学训练,以估计血液动力学参数和量化疾病进展.
- 风险预测模型将为每个数据模式单独开发,然后将它们组合到多式联运模型中.
结论:
- 该VASCUL-AID-RETRO研究将利用先进的AI和多式联络数据集成来预测AAA和PAD进展以及相关的心血管事件.
- 这些发现旨在通过实现更精确,个性化的治疗计划来改善临床实践,以获得更好的患者结果.
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
8.2K
05:19A Mouse Model for Vascular Cognitive Impairment and Dementia Based on Needle-guided Asymmetric Bilateral Common Carotid Artery Stenosis
Published on: November 22, 2024
390
