基于机器学习的模型的估计,以预测患有动脉样性心血管疾病的患者的痴呆风险:英国生物银行研究
Zhengsheng Gu1, Shuang Liu2, Huijuan Ma2
1Department of Neurology, First Affiliated Hospital of Naval Medical University, Shanghai, China.
JMIR aging
|February 26, 2025
概括
这项研究开发了一种机器学习模型,用于预测动脉样硬化心血管疾病 (ASCVD) 患者的痴呆风险. 该模型使用临床和社会人口统计数据,为患者和临床医生的意识提供了宝贵的见解.
科学领域:
- 心血管医学 心血管医学
- 神经学 神经学
- 医疗保健中的人工智能
背景情况:
- 动脉样性心血管疾病 (ASCVD) 与痴呆症有关,但具体的风险因素尚不清楚.
- 需要在ASCVD患者中准确预测痴呆症的模型.
研究的目的:
- 开发一种机器学习模型,用于预测ASCVD患者的痴呆风险.
- 利用临床和社会人口统计数据进行风险预测.
主要方法:
- 一项使用2006-2010年英国生物库数据的预后研究,后续调查至2023年4月.
- 通过使用数据驱动策略,从316个变量中确定了10个关键预测因素.
- 开发了一种光梯度增强机器模型,用于预测发生性痴呆症,阿尔茨海默病和血管痴呆症.
主要成果:
- 包括29,561名ASCVD患者;4.51%的患者在中位数10.3年的随访期间发展为痴呆症.
- 英国生物银行ASCVD风险预测模型,使用10个预测因素,实现了高性能指标 (AUC0.866,准确率0.883).
- 该模型表现出良好的校准和强大的表现跨队列,具有潜在的临床实用性.
结论:
- 预测建模可以有效地告知患者和临床医生ASCVD中痴呆风险.
- 机器学习为ASCVD群体中痴呆症的早期识别和管理提供了有前途的方法.
更多相关视频
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
384
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.0K
