使用人工智能从电子健康记录中预测患有急性HF的老年患者的90天死亡率
Joconde Weller1, Johann Gutton1, Guillaume Hocquet1
1Direction of Medical Information, Prospects and Data Sciences, Hôpitaux Paris Saint-Joseph and Marie-Lannelongue, Paris, France.
ESC heart failure
|February 14, 2025
概括
这项研究开发了一个使用电子健康记录的AI模型,在入院48小时内预测心力衰竭 (HF) 患者的90天死亡风险,识别高风险个体及时干预.
科学领域:
- 心脏病学 心脏病学
- 人工智能在医学中的应用
- 医疗信息学 医疗信息学
背景情况:
- 由于心力衰竭 (HF) 住院治疗具有很高的死亡风险,特别是在出院后的头90天内.
- 早期识别高风险患者对于有效管理和改善结果至关重要.
研究的目的:
- 开发和验证一种人工智能 (AI) 模型,用于预测因HF住院患者的90天死亡风险.
- 为了预测,利用在入院后48小时内收集的全面电子健康记录 (EHR) 数据.
主要方法:
- 使用来自HF入院 (2015-2020) 的EHR数据训练了后勤回归模型.
- 自然语言处理 (NLP) 应用于文字EHR数据.
- 在两个独立的队列中,使用接收器运行特征曲线 (AUC) 下的面积来评估模型性能.
主要成果:
- 该模型在导出队列 (AUC:0.817) 和验证队列 (AUC:0.750和0.723) 中表现出强大的预测性能.
- 42个独立变量被确定为重要的预测因素.
- 该模型在低风险,中等风险和高风险患者群体中显示出良好的校准.
结论:
- 一个强大的人工智能驱动模型准确地预测了入院后48小时的无补偿高血压患者的90天死亡风险.
- 这种工具可以帮助临床医生识别高风险个体,以便加强治疗策略.
