在心房动中对中风风险分层的解释性人工智能

科学领域:

• 心血管医学 心血管医学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 目前的风险分层工具对于心律障碍的新兴疗法是不够的.
• 对心房动 (AF) 的中风预防治疗已经超出了目前的风险分层能力.

研究的目的:

• 解释关键的人工智能 (AI) 概念,以改善风险分层.
• 突出概率图形模型 (PGMs) 用于个性化风险评估在心血管医学.

主要方法:

• 解释与风险分层相关的AI概念.
• 对AF相关中风风险进行初步PGM的开发和应用.
• 整合健康的社会决定因素与临床数据.

主要成果:

• 在大型队列 (160万患者) 中证明了PGM的应用.
• 展示了PGM结合多种数据类型以实现增强预测的能力.
• 突出了改进和个性化风险评估的潜力.

结论:

• 人工智能,特别是PGM,可以显著提升心律障碍的个性化风险分层.
• PGMs允许整合非传统的健康数据,以便进行更公平的风险评估.
• 计算技术与电子健康数据相结合,有望提供可解释和公平的风险评估.