AI 算法有助于改进心脏病发作风险预测

快速阅读: 《西澳大利亚人》消息，西澳大学研发AI算法CAC-DAD，更精准预测心脏病风险，结合斑块密度与分布，优于传统Agatston评分，提升个性化医疗。

西澳的研究人员开发了一种人工智能算法，以更加个性化的方式更准确地预测心脏病的风险。西澳大学的研究人员开发了这种方法，以更好地考虑与个体相关的更多因素。以往用于识别风险的进一步检测方法是通过CT扫描后进行冠状动脉钙化评分。它根据心脏动脉壁内钙化斑块的数量，以Agatston评分的形式计算心脏病发作的风险。新方法称为CAC-DAD测试，还考虑了斑块的密度和分布，这在以前没有被考虑过。

西澳大学医学院的研究员兼研究第一作者黄焕福表示，传统的检测方法有其局限性。“我们发现CAC-DAD评分比标准的Agatston评分在预测心脏事件风险方面更加精确和有效，尤其是在手术期间，对高危人群尤其如此。”黄焕福博士说。“我们还发现，同时使用Agatston评分和CAC-DAD评分可以进一步提高风险预测效果，为临床应用开辟了许多可能性。”

资深作者吉里什·迪维德教授表示，预防是治疗心脏病的重要环节。“治疗心脏病的最佳方法是预防，这依赖于准确的风险评分。”他说。“你的钙化评分是你第一次心脏病发作风险的最重要预测因素，提高其准确性将对你的风险管理带来重大好处。”

“转向个性化护理是必要的，除了基于人群的临床风险评分外，还需要进行个性化的评估。”吉里什·迪维德教授表示。“钙化评分最大的好处是其广泛的应用性和易解释性。一旦在其他研究中得到验证，我们的简单而强大的CAC-DAD评分结果可以被医疗界的每一位成员用来指导患者的治疗。”

健康：
西澳研究显示癌症患者缺乏运动支持
克莱尔·萨德勒
健康：
评论
会员专享
西澳针对2型糖尿病药物的研究获得资金支持
奥利弗·兰恩

(以上内容均由Ai生成)