使用机器学习进行非禁食,远程医疗准备的LDL-C测试,以改善心血管接入和公平

科学领域:

• 预防和管理心血管疾病.
• 人工智能在医疗保健诊断中的应用.
• 卫生公平和获得护理.

背景情况:

• 目前的低密度脂蛋白胆固醇 (LDL-C) 测试要求禁食和去诊所检查,造成了严重的进入障碍.
• 大约40%的脂质面板是在禁食窗口之外进行的,结果不可靠.
• 现有的工作流已经过时,每年导致数百万次不必要的重复访问,不成比例地影响弱势群体.

研究的目的:

• 为了证明机器学习 (ML) 可以将脂质检测转化为准确,公平和远程医疗服务.
• 消除同时存在的禁食要求,面对面访问和LDL-C测试中的算法偏差等障碍.
• 为解决心血管风险评估的访问危机提供解决方案.

主要方法:

• 我们所有人研究计划数据集的横截面分析 (n=3,477;测试n=696).
• 根据禁食状态分层评估ML模型的性能,包括非禁食的真实世界数据 (40.1%).
• 评估远程医疗的可行性 (仅实验室配置),种族平等和经济影响.

主要成果:

• 与传统方程 (例如,Friedewald) 相比,ML系统在非禁食条件下表现出更高的准确性,改善了17.2%.
• 只有实验室的配置是不逊色的,使零售药店和家庭测试工作流程成为可能.
• 在没有种族投入的情况下,ML系统实现了种族平等,并通过减少重复访问来证明了显著的经济节约.

结论:

• ML方法解决了心血管预防的关键质量差距,包括延迟治疗和进入障碍.
• 它使得准确的,非禁食,远程健康兼容,和种族免费的LDL-C估计,转化脂质检测到一个访问启用器.
• 现有基础设施的可行实施为以价值为基础的护理提供了可扩展的解决方案,特别是在服务不足的人群中.