Gastroenterology:AI系统用于上消化道出血高危患者的识别
2020-01-06 MedSci MedSci原创
研究认为,AI系统在高危上消化道出血患者识别中的应用效果优于现有方案
研究人员分析了从2014年3月至2015年3月在4个国家(美国、苏格兰、英格兰和丹麦;n=1958)的医疗中心收集的UGIB患者数据。使用这些数据来推导和内部验证AI模型,以预测30天内患者不良预后,包括干预(输血或止血干预)或死亡,并将该系统与现有内镜前临床风险评分系统(Glasgow-Blatchford评分[GBS]、入院Rockall评分和AIMS65)进行了比较。
AI模型在内部验证中,对高危患者识别的AUC=0.91,各个现有临床评分系统表现如下:GBS的AUC值为0.88(P=.001),Rockall评分为0.73(P<0.001),AIMS65评分为0.78(P<0.001)。在外部验证队列中,AI系统高危患者识别AUC为0.90,GBS为0.87(P=0.004),Rockall评分为0.66(P<0.001),AIMS65为0.64(P<0.001)。在AI系统和GBS对患者识别的敏感性为100%,AI系统的特异性为26%,而GBS为12%(P<0.001)。
研究认为,AI系统在高危上消化道出血患者识别中的应用效果优于现有方案。
原始出处:
Dennis L. Shung et al. Validation of a Machine Learning Model That Outperforms Clinical Risk Scoring Systems for Upper Gastrointestinal Bleeding. Gastroenterology. January 2020.
本文系梅斯医学(MedSci)原创编译整理,转载需授权!
作者:MedSci
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录
#AST#
39
#高危患者#
50
#上消化道#
32
#Gastroenterol#
26
#GAS#
27