心肺復(fù)蘇模型

新聞分類

JAMA子刊:人工自動模型能夠預(yù)判肺栓塞危害丨前端速遞

JAMA子刊:人工自動模型能夠預(yù)判肺栓塞危害丨前端速遞

發(fā)布日期:2022-08-09 作者:康為 點擊:

醫(yī)脈通導(dǎo)讀

JAMANetwork Open刊登的最新研發(fā)信息標明,機械學(xué)習(xí)算法可以確切地預(yù)判肺栓塞(PE)危害,并也許有助于改進PE患者的CT成像應(yīng)用狀況。

醫(yī)脈通編譯整理,未經(jīng)受權(quán)請勿轉(zhuǎn)載。

研發(fā)者稱:“倡議的機械學(xué)習(xí)模型工作過程- 肺栓塞結(jié)果預(yù)判模型(PERFORM)將遠古電子病歷信息成為時間線轉(zhuǎn)換為特點向量,并開發(fā)了用來成人PE患者CT成像的抉擇解析模型?!?/p>

研發(fā)提要

在這項研發(fā)中,研發(fā)職員應(yīng)用來自斯坦福大學(xué)醫(yī)院和診所的3,214名PE患者(平均年紀60.53歲; 53%為女性)的3,397份附有圖解的CT檢驗影像來訓(xùn)練和驗證PERFORM模型。接著,他們應(yīng)用了杜克大學(xué)醫(yī)學(xué)核心的240名患者(平均年紀70.2歲; 55%女性)的材料對此模型進行了外部驗證。

研發(fā)者還較為了傳統(tǒng)機械學(xué)習(xí)模型(含蓋ElasticNet模型)和新的深度學(xué)習(xí)模型(PE神經(jīng)模型)的差別,后者含蓋3個臨床評分體系——Wells,肺栓塞消除規(guī)范(PERC)和rGeneva。通過受試者工作特點曲線以下積(AUROC)評價預(yù)判的確切性。

結(jié)果顯現(xiàn),PE神經(jīng)模型(AUROC = 0.85)和ElasticNet模型(AUROC = 0.93)的確切度得分很高,雖然ElasticNet模型在內(nèi)部信息集上體現(xiàn)更好(P = .01)。在外部杜克信息集中,PE神經(jīng)模型和ElasticNet模型的功能均下落,但兩類模型在外部信息集的體現(xiàn)都相當(dāng)好(0.72 vs 0.7; P = .17)。研發(fā)者認定,該結(jié)果標明它們?nèi)耘f能夠被推行到杜克人群。

在AUROC為0.81的狀況下,在斯坦福和杜克門診信息集中,PE神經(jīng)模型的體現(xiàn)優(yōu)于一切其余模型和規(guī)范,縱然是與杜克信息集的ElasticNet模型相較為(AUROC = 0.74; P = .01)。

整體而言,體現(xiàn)最好的模型預(yù)判肺栓塞陰性CT結(jié)果的AUROC,在機構(gòu)內(nèi)部保留信息中為0.9(95%CI,0.87-0.91),在外部杜克信息中為0.71(95%CI,0.69-0.72)。針對該模型,不管是在機構(gòu)內(nèi)還是機構(gòu)外的門診人群中,均有較好的AUROC結(jié)果。

神經(jīng)網(wǎng)絡(luò)模型PERFORM也許會在回首性構(gòu)造化EMR信息中參考大批患者的特同性危害原因和依托性,以得出影像學(xué)特異的PE也許性舉薦,并能在新的人群散布中確切地推行,”研發(fā)者認定?!斑@項研發(fā)的結(jié)果標明,該模型可用作智能臨床抉擇追隨工具,以改進轉(zhuǎn)診患者中PE-CT成像的應(yīng)用。”

醫(yī)脈通編譯整理自:Banerjee I, et al. Artificial intelligencemodels may predict pulmonary embolism risk. JAMA Netw Open. 2019; doi:10.1001/jamanetworkop.


本文網(wǎng)址:http://m.gmeo.cn/news/1384.html

相關(guān)標簽:杜克大學(xué)醫(yī)學(xué)核心

最近瀏覽:

相關(guān)產(chǎn)品:

相關(guān)新聞:

在線客服
分享