心肌梗塞预后中的人工智能工具:评估机器学习和深度学习模型的性能
Cyntia Szymańska1, Artur Baszko1
12nd Department of Cardiology, Poznan University of Medical Sciences, Poznań, Poland.
Current cardiology reviews
|July 15, 2025
概括
人工智能 (AI) 为心肌梗塞 (MI) 风险分层提供了新的工具,优于旧方法. 机器学习模型在预测死亡率方面表现有前途,利用已知和新型患者因素.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 目前的心肌梗塞 (MI) 死亡风险评估工具 (例如,GRACE,TIMI) 基于过时的队列.
- 患者个人资料,治疗方法 (抗血小板,脂质标) 的重大变化,需要更新风险分层.
- 现有的模型可能不能准确地反映当代的MI患者群体和治疗景观.
研究的目的:
- 审查和综合机器学习 (ML) 和深度学习 (DL) 模型用于MI死亡风险预测的应用.
- 评估人工智能驱动工具在更新心血管风险评估中的性能和潜力.
- 确定人工智能模型用于死亡率预测的关键临床和新型生物标志物.
主要方法:
- 对使用ML和DL算法进行MI死亡风险预测的16项研究进行系统审查.
- 分析各种ML模型,包括随机森林,梯度增强,支持矢量机器和人工神经网络.
- 检查人工智能模型中使用的预后变量,包括既定和新兴的风险因素.
主要成果:
- ML模型在预测MI死亡风险方面表现良好至出色.
- 没有单一的人工智能算法始终超过其他算法;人工神经网络显示出有希望但并不总是优越的.
- 预测模型包括既有因素 (年龄,射出分数,脂质,BNP) 和不那么明显的指标 (血小板,中性粒细胞,BUN).
结论:
- 基于人工智能的模型对心肌梗塞风险分层进行了重大进展.
- 这些模型为开发更有效和个性化的患者管理策略提供了潜力.
- 人工智能的适应性和数据处理能力强调了它在临床心脏病学中的未来作用.
