Абстрактный

Искусственный интеллект на основе глубокого обучения для прогнозирования риска и прогноза у пациентов с сердечно-сосудистыми заболеваниями

Ки Хён Чон, Джун Мён Квон, Кён Хи Ким, Джинсик Пак

Сердечно-сосудистые заболевания (ССЗ) являются серьезной проблемой здравоохранения во всем мире. Стратификация риска и прогнозирование имеют решающее значение для выявления пациентов с высоким риском и принятия решений по разработке стратегий лечения для пациентов с ССЗ. Для этой цели были разработаны и проверены различные модели на больших объемах данных регистра населения с использованием традиционных статистических методов, таких как модели на основе регрессии. Однако эти традиционные модели имеют проблему чрезмерного обобщения и не применимы ко всем отдельным пациентам. Глубокое обучение — это раздел искусственного интеллекта, в котором искусственные нейронные сети используются для анализа шаблонов данных; это похоже на функционирование нейронной системы человека. Преимуществом глубокого обучения является автоматическое изучение признаков и взаимосвязей из заданных данных. В последнее время глубокое обучение достигло высокой производительности в нескольких медицинских областях, таких как классификация изображений, диагностика, прогнозирование клинических результатов и анализ генов. Целью данного обзора является обобщение моделей прогнозирования на основе глубокого обучения у пациентов с ССЗ с точки зрения точности по сравнению с традиционными моделями.