为心血管风险利用人工智能:初级保健视角

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 心血管疾病 (CVD) 是全球主要的死亡原因.
• 初级保健医生对于早期发现和预防心血管疾病至关重要.
• 这项研究探讨了AI驱动的心血管风险 (CVR) 在初级保健中的分层.

研究的目的:

• 研究基于AI的时间深度学习 (DL) 模型对CVR分层的有效性.
• 支持在初级保健机构早期发现和预防心血管疾病.
• 通过人工智能集成来提高患者管理和资源配置.

主要方法:

• 实施的长期短期内存 (LSTM) 和门式循环单元 (GRU) 时间DL架构.
• 使用合成患者队列与人口统计和临床数据 (年龄,性别,BMI,BP,吸烟,糖尿病,高血压).
• 在顺序数据上训练模型,以预测CVR类别和概率,对临床建议进行基准测试.

主要成果:

• LSTM和GRU模型成功地预测了跨越不同时间的CVR.
• 模型预测被转化为对随访和干预措施的临床解释性建议.
• 通过可操作的见解,证明了临时DL能够预测心血管风险的能力.

结论:

• 人工智能驱动的CVR预测可以增强家庭医学的早期干预策略.
• 优化患者管理和资源配置是整合AI的潜在好处.
• 时间性DL显示出增强初级保健中的预防性护理结果的希望.