使用人工智能预测大动脉狭窄的进展:机器学习模型
Edward Itelman1, Yaron Shapira1, Alon Shechter1
1Department of Cardiology, Rabin Medical Center, Petah Tikva, Israel; Tel Aviv School of Medicine, Tel Aviv University, Tel Aviv, Israel.
一个使用心声学报告的人工智能模型可以预测大动脉狭窄症 (AS) 到严重AS的进展. 这种工具有助于早期识别风险, 以实现个性化的患者管理.
科学领域:
- 心脏病学
- 医学成像
- 人工智能
背景情况:
- 目前的主动脉狭窄 (AS) 监测依赖于资源密集的心声回声学.
- 序列回声图的变化给AS进展的评估带来了挑战.
- 人工智能 (AI) 提供了早期风险识别的潜在解决方案.
研究的目的:
- 开发一个预测AS发展为严重AS的AI模型.
- 该模型仅使用心声回声报告数据.
- 评估模型的预测准确性和可解释性.
主要方法:
- 从轻度/ 中度AS患者的9330个心声回顾分析.
- 仅使用心声回应报告数据开发人工智能模型.
- 使用精度,AUC-ROC和校准指标进行性能评估;通过SHAP值进行解释.
主要成果:
- 人工智能模型的AUC-ROC准确度为0.91和83%.
- 在随访期间,47% 的患者发展为严重的AS.
- 该模型通过交叉验证证明了强大的预测性能和校准.
结论:
- 一个基于心声回声学报告的AI模型可靠地识别出患有严重AS进展风险的患者.
- 这种工具可以支持个性化后续和及时干预.
- 建议进行进一步的多中心验证,以确认可通用性和临床实用性.
更多相关视频
13:07Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression
Published on: January 15, 2022
09:32Measurement of Pulse Propagation Velocity, Distensibility and Strain in an Abdominal Aortic Aneurysm Mouse Model
Published on: February 23, 2020
相关概念视频
Aortic Regurgitation II: Clinical Features and Diagnostic Tests
Aortic Regurgitation I: Introduction
Aortic Regurgitation III: Medical Management
Atherosclerosis II: Clinical Manifestations and Diagnostic Tests
