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)