使用临床和药物基因组生物标志物的CABG后心房的机器学习预测
Lei Hua1, Jingxian Han1, Siqi Zhang1
1Henan Key Laboratory of Cardiac Remodeling and Transplantation, The 7th People's Hospital of Zhengzhou, Zhengzhou, Henan, P.R. China.
Frontiers in medicine
|September 29, 2025
概括
一个新的模型使用临床和遗传因素预测冠状动脉旁路移植 (CABG) 后的术后心房动 (POAF) 风险. 这种工具有助于个性化的术后护理,以获得更好的患者结果.
科学领域:
- 心脏病学 心脏病学
- 遗传学 是一个遗传学.
- 人工智能的人工智能
背景情况:
- 手术后心房动 (POAF) 是冠状动脉旁路移植 (CABG) 后的一个常见并发症.
- POAF显著影响患者的预后,并增加医疗保健成本.
- 准确的风险分层对于优化临床管理至关重要.
研究的目的:
- 开发POAF风险分层的综合预测模型.
- 优化CABG患者的临床管理和个性化的术后护理.
主要方法:
- 从2528名接受21基因药物遗传学测试的队列中,对576名CABG患者进行了回顾性分析.
- 使用临床变量和遗传变异的八个机器学习算法的培训和验证.
- 在61名患者的单独队列上进行独立验证.
主要成果:
- 斯天真贝叶斯 (GNB) 模型实现了高精度 (0.81 在测试集,0.79 在验证集).
- 确定的主要预测因素包括多血管CABG,心力衰竭史,rs5219 (KCNJ11) 和延长 बाईपास持续时间.
- 开发了一个基于网络的工具,用于实时POAF风险分层.
结论:
- 在GNB分类器集成的药物遗传学和临床预测对POAF风险评估后CABG.
- 该模型作为一种有价值的临床决策支持工具.
- 这种方法通过严格的验证和以用户为中心的设计来增强个性化的术后护理.
更多相关视频
07:25Predicting Amputation using Local Circulating Mononuclear Progenitor Cells in Angioplasty-treated Patients with Critical Limb Ischemia
Published on: September 22, 2020
3.7K
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
2.1K
