机构名称：
¥ 1.0
† 作者对这项工作的贡献相同摘要在这项研究中，我们描述了一种新颖的“放射组学”方法，用于超声心动图人工智能系统，该系统能够从每个超声心动图视频中提取数十万个运动参数。我们将该人工智能系统应用于预测接受植入式循环生命支持系统的心力衰竭患者术后右心室衰竭（RV 衰竭）的临床问题。术后右心室衰竭是左心室辅助装置 (LVAD) 患者短期死亡的最大单一因素；然而，预测哪些患者在术前有发生这种并发症的风险，仍然超出了该领域专家的能力。我们使用标准 10 倍交叉验证报告测试数据集的结果。仅使用术前超声心动图，使用斯坦福 LVAD 数据集训练的人工智能系统的 AUC 为 0.860（95% CI 0.815-0.905；n = 290 名患者）。我们进一步表明，我们的系统表现优于配备当代风险评分（AUC 0.502 - 0.584）和独立测量的超声心动图指标（0.519 - 0.598）的委员会认证临床医生。
预测术后右心室衰竭
主要关键词
相关文件推荐
![人工智能在预测整形外科皮瓣结果中的作用：系统评价方案 Sabreena Moosa，医学博士候选人 [1]*，Robert Dydynsky，医学博士候选人 [1] [1] 麦克马斯特大学 Michael G. DeGroote 医学院，汉密尔顿，ON L8S 4K1 *通讯作者：sabreena.moosa@medportal.ca 简介：游离皮瓣手术包括重建各种组织缺损。皮瓣失败和感染、缺血等并发症仍然是皮瓣手术后令人担忧的问题，目前的术后标准护理是频繁的床边监测。机器学习模型等人工智能可以帮助外科医生进行术后监测和预测并发症。本系统评价的目的是为分析使用人工智能评估皮瓣手术结果和预测术后并发症的现有文献提供框架。方法：将使用 EMBASE 和 MEDLINE（1974 年至 2021 年 10 月）进行系统评价以确定相关文献。这将包括研究皮瓣手术术后环境中使用的人工智能和机器学习模型。主要结果将包括评估基于这些模型评估皮瓣手术后结果的准确性，包括：皮瓣成功率、愈合情况和术后 1 个月内的并发症。次要结果包括效益分析](/simg/e/e9689b8e3c5cc5a4c1f68e573ab7a476c9a26886.png)