机器学习模型用于预测左心房血栓在患有阳性心房的患者
Wanli Xiong1,2,3, Qiqi Cao1,2,3, Lu Jia1,2,3
1Department of Cardiology, Renmin Hospital of Wuhan University, Hubei Province, 238 Jiefang Road, Wuchang District, Wuhan, 430060, China.
BMC cardiovascular disorders
|June 2, 2025
概括
机器学习确定了心房动 (AF) 患者左心房血栓 (LAT) 的关键预测因子. 一个简化的模型有效地预测LAT风险,帮助临床决策.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 数据科学数据科学数据科学
背景情况:
- 左心房血栓 (LAT) 是心房动 (AF) 患者中风的重要危险因素.
- 准确的LAT风险分层对于有效的中风预防策略至关重要.
研究的目的:
- 为了评估LAT的发病率和预测因子,在帕洛西斯马性AF的患者中.
- 开发和验证基于机器学习的LAT风险预测模型.
主要方法:
- 这是一项大规模的,多中心的回顾性研究,对49515名非膜性 Paroxysmal AF 的患者进行了研究.
- 应用多种机器学习算法 (决策树,随机森林,AdaBoost,k-NN,后勤回归) 进行模型开发.
- 基于绩效指标的预测模型改进为九个基本特征.
主要成果:
- 在研究队列中,LAT的发病率为2.1% (95% CI 2.0% -2.3%).
- 随机森林算法显示了最高的初始预测性能 (AUC 0.833).
- 最终的简化模型实现了0.787的AUC,预测值和观察值之间的校准良好.
结论:
- 一个简化的机器学习模型有效地预测了 Paroxysmal AF 患者的 LAT 风险.
- 该模型是AF管理中临床决策的宝贵工具.
- 建议对其他AF亚型和风险分层进行进一步研究.
