核查事实的

同行评议的出版物

可信的源

校对

了解更多关于out的信息编辑过程而且政策

机器学习程序根据常规医院检查的结果预测死亡风险

机器学习程序根据常规医院检查的结果预测死亡风险
诊断和基于性别的亚群体的模型性能。一个DL表现:不同原发性诊断亚组的心电图、年龄、性别模式。模型在STEMI和NSTEMI患者中的表现优于整个队列(1年死亡率AUROC分别为0.867和0.882)。在其他亚组(心力衰竭、糖尿病和心房颤动)中,模型的性能低于整体拒绝队列。b预测模型在男性中的表现略好于女性。AUROC受试者工作特征曲线下面积、DL深度学习、心电图、NSTEMI非ST段抬高心肌梗死、STEMI ST段抬高心肌梗死。

如果你曾经住过医院或去过急诊室,你可能做过心电图(ECG),这是一种标准的测试,将微型电极贴在你的胸部,检查你的心节奏和电活动。

医院的心电图通常由医生或护士在你的床边读取,但现在研究人员正在使用人工智能从这些结果中收集更多信息,以一次性改善你的护理和医疗保健系统。

在最近发表的研究结果中,研究团队基于2007年至2020年期间在阿尔伯塔北部244077名患者身上完成的160万次心电图,构建并训练了机器学习程序。

该算法预测了每位患者在1个月、1年和5年内因各种原因死亡的风险,准确率为85%,将患者从最低风险到最高风险分为5类。当人口统计信息(年龄和性别)和六项标准的实验室血液测试结果包括在内时,预测甚至更加准确。

加拿大活力中心医学教授、联合主任、首席研究员Padma Kaul说,这项研究是使用常规收集的数据来改善个人护理的概念证明,并允许卫生保健系统“学习”。

“我们想知道我们是否可以使用新的方法以及机器学习来分析数据,并识别出死亡风险较高的患者,”考尔解释道。“这些发现说明了如何使用机器学习模型来转换日常收集的数据作为学习卫生保健系统的一部分,可以用来增强护理点决策的知识。”

如果有的话,临床医生会要求你做心电图或者心脏病的症状,比如例如呼吸短促或心律不齐。研究的第一阶段检查了所有患者的心电图结果,但考尔和她的团队希望为特定的亚组患者改进这些模型.他们还计划将预测重点放在全因死亡率之外,专门研究与心脏相关的死亡原因。

考尔说:“有一个很大的推动力,看看我们如何利用人工智能来改善医疗保健的提供。”她说,使用高性能计算的优势在于,与人类不同,它可以同时看到大量数据点中的模式。“我们希望利用医疗保健系统产生的数据,将其转化为知识,并将其反馈到系统中,这样我们就可以改善护理和结果。这就是学习型医疗保健系统的定义。”

这项研究发表在该杂志上数字医学

更多信息:孙伟杰等,基于人工智能的学习健康系统,使用心电图预测人口水平的死亡率,数字医学(2023)。DOI: 10.1038 / s41746 - 023 - 00765 - 3

期刊信息: 数字医学

所提供的阿尔伯塔大学
引用:机器学习程序根据2023年3月21日从//www.pyrotek-europe.com/news/2023-03-machine-death-based-results-routine.html检索的常规医院测试结果预测死亡风险(2023,3月21日)
这份文件受版权保护。除为私人学习或研究目的而进行的公平交易外,未经书面许可,不得转载任何部分。内容仅供参考之用。

进一步探索

利用人工智能提供更好的电话医疗服务

42股票

对编辑的反馈