醫(yī)脈通導(dǎo)讀

JAMANetwork Open刊登的最新研發(fā)信息標(biāo)明，機(jī)械學(xué)習(xí)算法可以確切地預(yù)判肺栓塞（PE）危害，并也許有助于改進(jìn)PE患者的CT成像應(yīng)用狀況。

醫(yī)脈通編譯整理，未經(jīng)受權(quán)請(qǐng)勿轉(zhuǎn)載。

研發(fā)者稱：“倡議的機(jī)械學(xué)習(xí)模型工作過程- 肺栓塞結(jié)果預(yù)判模型（PERFORM）將遠(yuǎn)古電子病歷信息成為時(shí)間線轉(zhuǎn)換為特點(diǎn)向量，并開發(fā)了用來成人PE患者CT成像的抉擇解析模型?！?/p>

研發(fā)提要

在這項(xiàng)研發(fā)中，研發(fā)職員應(yīng)用來自斯坦福大學(xué)醫(yī)院和診所的3,214名PE患者（平均年紀(jì)60.53歲; 53％為女性）的3,397份附有圖解的CT檢驗(yàn)影像來訓(xùn)練和驗(yàn)證PERFORM模型。接著，他們應(yīng)用了杜克大學(xué)醫(yī)學(xué)核心的240名患者（平均年紀(jì)70.2歲; 55％女性）的材料對(duì)此模型進(jìn)行了外部驗(yàn)證。

研發(fā)者還較為了傳統(tǒng)機(jī)械學(xué)習(xí)模型（含蓋ElasticNet模型）和新的深度學(xué)習(xí)模型（PE神經(jīng)模型）的差別，后者含蓋3個(gè)臨床評(píng)分體系——Wells，肺栓塞消除規(guī)范（PERC）和rGeneva。通過受試者工作特點(diǎn)曲線以下積（AUROC）評(píng)價(jià)預(yù)判的確切性。

結(jié)果顯現(xiàn)，PE神經(jīng)模型（AUROC = 0.85）和ElasticNet模型（AUROC = 0.93）的確切度得分很高，雖然ElasticNet模型在內(nèi)部信息集上體現(xiàn)更好（P = .01）。在外部杜克信息集中，PE神經(jīng)模型和ElasticNet模型的功能均下落，但兩類模型在外部信息集的體現(xiàn)都相當(dāng)好（0.72 vs 0.7; P = .17）。研發(fā)者認(rèn)定，該結(jié)果標(biāo)明它們?nèi)耘f能夠被推行到杜克人群。

在AUROC為0.81的狀況下，在斯坦福和杜克門診信息集中，PE神經(jīng)模型的體現(xiàn)優(yōu)于一切其余模型和規(guī)范，縱然是與杜克信息集的ElasticNet模型相較為（AUROC = 0.74; P = .01）。

整體而言，體現(xiàn)最好的模型預(yù)判肺栓塞陰性CT結(jié)果的AUROC，在機(jī)構(gòu)內(nèi)部保留信息中為0.9（95％CI，0.87-0.91），在外部杜克信息中為0.71（95％CI，0.69-0.72）。針對(duì)該模型，不管是在機(jī)構(gòu)內(nèi)還是機(jī)構(gòu)外的門診人群中，均有較好的AUROC結(jié)果。

神經(jīng)網(wǎng)絡(luò)模型PERFORM也許會(huì)在回首性構(gòu)造化EMR信息中參考大批患者的特同性危害原因和依托性，以得出影像學(xué)特異的PE也許性舉薦，并能在新的人群散布中確切地推行，”研發(fā)者認(rèn)定。“這項(xiàng)研發(fā)的結(jié)果標(biāo)明，該模型可用作智能臨床抉擇追隨工具，以改進(jìn)轉(zhuǎn)診患者中PE-CT成像的應(yīng)用。”

醫(yī)脈通編譯整理自：Banerjee I, et al. Artificial intelligencemodels may predict pulmonary embolism risk. JAMA Netw Open. 2019; doi:10.1001/jamanetworkop.