本文综述了科学根据X编辑过程政策编辑器强调了以下属性同时确保内容的可信度:

核查事实的

同行评议的出版物

校对

人工智能可以提高急诊心脏病诊断以减少压力

人工智能可以提高急诊心脏病诊断以减少压力
外部验证的性能CoDE-ACS通路在10286年可能的心肌梗死患者。诊断性能CoDE-ACS模型在10286名患者来自7个国际军团。敏感性,阴性预测值(NPV),特异性,阳性预测值(PPV)以95%的CIs CoDE-ACS分数用来识别患者低概率(< 3)或高概率(≥61)后心肌梗死的表示和串行肌钙蛋白测试如果需要。信贷:自然医学(2023)。DOI: 10.1038 / s41591 - 023 - 02325 - 4

一个算法使用人工智能开发可能很快就会被医生诊断心脏病比以往更好的速度和准确性,根据爱丁堡大学的新研究发表在自然医学

算法的有效性,名叫CoDE-ACS,测试在世界各地的6个国家10286例病人。当前测试方法相比,研究人员发现,CoDE-ACS能够排除心脏病发作的患者数量的两倍多,有99.6%的准确性。

这种排除的能力比以往快得心脏病可以大大减少住院。临床试验正在进行中在苏格兰的支持下Wellcome飞跃,评估工具可以帮助医生减少拥挤我们应急部门的压力。

以及迅速排除了心脏病发作的病人,CoDE-ACS还可以帮助医生确定那些异常的肌钙蛋白水平是由于心脏病发作而不是另一个条件。AI工具表现良好,不管年龄、性别,或预先存在的,显示其潜在人口减少误诊和不平等。

CoDE-ACS有潜力更有效的和有效的,快速识别病人是安全的回家,并通过强调医生所有那些需要住院进行进一步的测试。

当前心脏病诊断的金标准是测量血液中肌钙蛋白的蛋白质水平。但同样的阈值用于每个病人。这意味着诸如年龄、性别和其他健康问题影响肌钙蛋白水平并不认为,影响心脏病的诊断有多么准确。

这可能导致不平等在诊断。例如,先前的B d研究表明,50%的女性更可能得到错误的早期诊断。人最初误诊有30天后死亡的风险高出70%。为了防止这种新算法是一个机会。

CoDE-ACS开发使用数据来自苏格兰的10038名患者到达医院疑似心脏病。它使用定期收集患者信息,如年龄、性别、心电图和发现,以及肌钙蛋白水平,个体的概率预测心脏病发作了。结果是一个概率为每个病人分数从0到100。

教授尼古拉斯·米尔斯BHF银行心血管中心的心脏病学教授科学,爱丁堡大学领导这项研究的,说:“患者由于心脏病发作,早期诊断和治疗可以拯救生命。不幸的是,许多条件导致这些常见的症状,诊断并不总是直截了当。利用数据和支持临床决策具有巨大潜力提高照顾病人和效率在我们忙紧急部门。”

Nilesh Samani教授,英国心脏基金会的医学方面负责人,说,“胸部疼痛最常见的原因之一,人们向应急部门。每天,世界各地的医生面临的挑战将病人的疼痛是由于从那些疼痛是由于心脏病发作更严重。”

“CoDE-ACS,使用尖端科学和人工智能的数据,开发潜在的规则或排除比现有方法更准确。它可以转换为应急部门,缩短所需的时间做出诊断,并为病人更好。”

更多信息:尼古拉斯·米尔斯,机器学习使用心肌肌钙蛋白浓度对心肌梗死的诊断,自然医学(2023)。DOI: 10.1038 / s41591 - 023 - 02325 - 4www.nature.com/articles/s41591 - 023 - 02325 - 4

期刊信息: 自然医学

由英国心脏基金会提供
引用:人工智能可以提高心脏病诊断以减少压力应急部门(2023年5月11日)2023年5月13日从//www.pyrotek-europe.com/news/2023-05-artificial-intelligence-heart-diagnosis-pressure.html检索
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

全球测试可以帮助心脏病患者,专家说

91年股票

反馈给编辑