利用电子健康记录和人工智能提高心血管风险预测:综合性审查

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 医疗保健中的人工智能

背景情况:

• 电子健康记录 (EHR) 提供了对心血管疾病 (CVD) 研究至关重要的大规模动态数据.
• 将EHR数据与包括AI在内的先进分析集成,可以提高心血管疾病风险的预测和管理.
• 传统和基于人工智能的方法正在探索使用EHR数据进行心血管疾病风险建模.

研究的目的:

• 审查使用EHR用于开发心血管疾病预测模型的进展和挑战.
• 检查传统和基于人工智能的CVD风险评估方法.
• 突出EHR和AI在心血管研究中的潜力和局限性.

主要方法:

• 审查关于在心脏病风险预测中使用电子心脏病记录的现有文献.
• 分析传统的统计和人工智能驱动 (深度学习) 建模技术.
• 检查数据质量,标准化和可解释性挑战.

主要成果:

• 电子心脏病记录数据显著改善了心血管疾病风险预测,结合了真实世界的药物和成像数据.
• 人工智能,特别是深度学习,在提高预测性能方面表现有前途.
• 持续存在的挑战包括数据质量,系统间标准化,地理变异性和AI模型的可解释性.

结论:

• 有效的CVD风险预测和管理越来越依赖于EHR和AI的协同使用.
• 解决数据质量,标准化和回顾性分析的局限性对于可靠的风险模型至关重要.
• 未来的模型应该整合多维数据 (环境,生活方式,基因组) 并对多样化的人口进行持续验证.