机构名称：
¥ 2.0
抽象心力衰竭（HF）导致持续的风险和长期合并症。对于患有心血管疾病的终身HF后遗症（例如先天性心脏病患者（CHD））的患者尤其如此。我们开发了HART（心力衰竭的风险轨迹），这是一种预测CHD患者HF轨迹的深度学习模型。Hart旨在捕获患者病史中医疗事件之间的上下文关系。通过使用屏蔽的自我发挥机制来预测未来的HF风险，该机制迫使其仅专注于过去医疗事件的最相关部分。为了证明HART的实用性，我们使用了一个大型队列，其中包含来自魁北克CHD数据库的医疗保健行政数据（137,493例患者，35年随访）。HART在Precision-Recall下达到28％的HF风险预测，比现有方法提高了33％。患有严重CHD病变的患者在整个生命周期中显示出始终升高的HF风险，遗传综合征患者的HF风险升高，直到50岁。出生状况的影响降低了长期HF风险。干预措施（例如心律不齐手术）的时机对个人的寿命HF风险产生了不同的影响。在年轻时进行的心律失常手术对HF风险的长期影响最小，而成年期的手术具有显着的持久影响。一起，我们表明HART可以通过在过去的医疗事件中捕获长期和短期依赖性来检测CHD患者的有意义的HF风险。我们的代码可在https://github.com/li-li-lab-mcgill/hart-hart-hart-failure-partentive-risk-trajectory获得。
哈特：深度学习的寿命心力衰竭...
主要关键词
相关文件推荐
