基于人工智能识别受益于再血管化的患者:一个多中心研究
Wenhao Zhang1, Robert Jh Miller1,2, Krishna Patel3
1Departments of Medicine (Division of Artificial Intelligence in Medicine), Biomedical Sciences, and Cardiology, Cedars-Sinai Medical Center, Los Angeles, CA, United States.
一个AI模型和AI-REVASC得分个性化了稳定的冠状动脉疾病中的重血管化决策. 这种方法可以识别那些最受益于早期再血管化的患者,从而提高治疗精度.
科学领域:
- 心脏病学 心脏病学
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 在稳定的冠状动脉疾病 (CAD) 中,再血管化的决定传统上取决于缺血症的严重程度.
- 目前的指导方针和随机对照试验 (RCT) 可能无法完全解决个体患者对再血管化的需求.
研究的目的:
- 开发和验证人工智能 (AI) 驱动的方法,以估计在稳定的CAD中重血管化的个性化治疗效果.
- 引入AI-REVASC评分,以实现个性化的再血管化决策.
主要方法:
- 开发了一种使用大型国际注册 (13个中心) 的AI模型,以模拟不同治疗策略下的结果.
- 模拟RCT使用1:1倾向得分匹配,以创建平衡的患者对,仅在治疗策略上有所不同 (早期再血管化与医学治疗).
- 在使用考克斯回归的持有队列中导出并验证了AI-REVASC得分.
主要成果:
- 人工智能模型分析了45,252名患者,平均随访时间为3.6年;9.6%患有心肌梗塞 (MI) 或死亡.
- 由人工智能模型识别的特定子组 (n=1,335,5.9%) 显示了早期再血管化的显著益处 (倾向调整的危险比率:0.50).
- 受益于早期再血管化的患者患高血压,糖尿病,脂质失调和左下心室射出小部分 (LVEF) 的比率更高.
结论:
- 开创了一种可扩展的,数据驱动的方法来模拟RCT使用回顾性数据用于个性化医学.
- 人工智能-REVASC评分有助于作出精确的再血管化决定,特别是在现有指导方针和RCT证据不足的情况下.
更多相关视频
13:48Reduction of Radiation Exposure during Endovascular Treatment of Peripheral Arterial Disease Combining Fiber Optic RealShape Technology and Intravascular Ultrasound
Published on: April 21, 2023
18:11A Research Method For Detecting Transient Myocardial Ischemia In Patients With Suspected Acute Coronary Syndrome Using Continuous ST-segment Analysis
Published on: December 28, 2012
相关概念视频
Acute Coronary Syndrome III: Diagnostic Studies
Coronary Artery Disease V: Interprofessional Care
Peripheral Arterial Disease II: Clinical Manifestations and Diagnostic Evaluation
