Maschinelles Lernen verbessert kardiovaskuläre Risikobewertung
Risikokalkulatoren werden zur Bewertung des Krankheitsrisikos von Millionen von Patienten eingesetzt, weshalb ihre Genauigkeit von entscheidender Bedeutung ist. Wenn jedoch nationale Modelle an lokale Bevölkerungsgruppen angepasst werden, verschlechtern sie sich oft und verlieren an Genauigkeit und Interpretierbarkeit. Forscher vom Brigham and Women’s Hospital, einem Gründungsmitglied des Mass General Brigham-Gesundheitssystems, setzten fortschrittliches maschinelles Lernen ein, um die Genauigkeit eines nationalen kardiovaskulären Risikorechners zu erhöhen und gleichzeitig seine Interpretierbarkeit und die ursprünglichen Risikoassoziationen zu erhalten. Die Ergebnisse zeigten eine insgesamt höhere Genauigkeit in einer Kohorte elektronischer Gesundheitsakten des Mass General Brigham und stuften etwa einen von zehn Patienten in eine andere Risikokategorie ein, um präzisere Behandlungsentscheidungen zu erleichtern. Die Ergebnisse sind in JAMA Cardiology. veröffentlicht. „Risikokalkulatoren sind unglaublich wichtig, da sie ein fester Bestandteil des Gesprächs zwischen Anbietern und Patienten über Risikoprävention sind“, sagte Erstautor Aniket Zinzuwadia, MD, Assistenzarzt für Innere Medizin…
