Baidu
map

EUROPEAN HEART JOURNAL:基于人工智能的心血管健康预测模型的五个关键质量标准

2023-10-30 Jenny Ou MedSci原创 发表于上海

五个最低质量标准:完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性。

随着全球心血管疾病负担不断增加,人工智能(AI)有望通过检测高危人群等方式帮助预防疾病,为患者提供更及时的诊断和预测,并通过自动化人类专家以前完成的一些任务来降低医疗保健成本。分析人工智能技术,如神经网络和基于树的学习方法,可以处理大量结构化和非结构化的数据形式(及其组合),并且由于心血管医学中存在许多临床数据源,如体检结果,实验室结果、成像、心电图和可穿戴设备、人工智能和机器学习技术似乎非常适合用于心血管健康。

在心血管健康文献中,分析性人工智能技术经常用于开发预测模型。尽管基于人工智能的预测模型具有应用于心血管健康领域的巨大潜力,但到目前为止,只有少数预测模型显示了其在临床护理中的有用性。为了提高基于人工智能的预测模型的临床实施机会,从而对心血管健康产生影响,研究人员必须将其开发和验证保持高科学标准。2023年10月28日发表在EUROPEAN HEART JOURNAL的文章,提出了五个最低质量标准,在开发基于人工智能的新预测模型时应考虑这些标准。最近在本杂志上发表了批判性阅读和评估心血管疾病预测建模研究的广泛概述。

为了提高心血管健康领域临床人工智能(AI)预测建模研究的质量,从而提高其影响和相关性,《欧洲心脏杂志》的数字健康、创新和质量标准的编辑为基于人工智能的预测模型开发和验证研究提出了五个最低质量标准:完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性。

本文摘要图

完整透明的报告是审查员和研究人员能够充分欣赏和批判性评估模型开发方法的有效性并评估模型预测性能的关键。任何基于人工智能的预测模型的开发都应该受到一个明确定义的临床问题的激励,人工智能预测模型可以作为解决方案。模型验证程序确保基于人工智能的预测模型的预测性能估计(通常以校准和歧视来总结)是准确的,并且估计起来不会过度乐观。

对两者来说,足够大的样本大小、基于人工智能的预测模型的稳健开发和准确验证至关重要。基于回归的预测模型计算最小所需样本大小的计算器可能是基于人工智能的预测模型的有用起点。公开提供数据和软件(包括模型代码)是确保读者和用户能够充分批判性地评估预测模型、执行测试(即验证)并根据新设置定制模型的重要一步。

关于基于人工智能的预测模型的建议

本概述简要触及了心血管健康领域临床人工智能预测建模研究的作者、研究人员和读者的五个关键质量标准。本文提供了这个简短观点最重要的建议的摘要。完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性将提高临床人工智能预测研究的质量,从而提高其结果的临床影响和相关性。

原始出处

Florien S van Royen, Folkert W Asselbergs, Fernando Alfonso, Panos Vardas, Maarten van Smeden, Five critical quality criteria for artificial intelligence-based prediction models, European Heart Journal, 2023;, ehad727, https://doi.org/10.1093/eurheartj/ehad727

相关资料下载:
[AttachmentFileName(sort=1, fileName=ehad727.pdf)] GetArticleByIdResponse(id=5c6be985074a, projectId=1, sourceId=null, title=EUROPEAN HEART JOURNAL:基于人工智能的心血管健康预测模型的五个关键质量标准, articleFrom=MedSci原创, journalId=2251, copyright=原创, creationTypeList=[1], summary=五个最低质量标准:完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性。, cover=https://img.medsci.cn/20230504/1683218649364_4754896.png, authorId=0, author=Jenny Ou, originalUrl=, linkOutUrl=, content=<p><span style="color: #595959; font-size: 14px;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/202301029/1698583432274_8624070.png" /></span></p> <p><span style="color: #595959; font-size: 14px;">随着全球心血管疾病负担不断增加,<span style="color: #3573b9;">人工智能(AI)</span>有望通过检测高危人群等方式帮助预防疾病,为患者提供更及时的诊断和预测,并通过自动化人类专家以前完成的一些任务来降低医疗保健成本。分析人工智能技术,如神经网络和基于树的学习方法,可以处理大量结构化和非结构化的数据形式(及其组合),并且由于心血管医学中存在许多临床数据源,如体检结果,实验室结果、成像、心电图和可穿戴设备、人工智能和机器学习技术似乎非常适合用于心血管健康。</span></p> <p><span style="color: #595959; font-size: 14px;">在心血管健康文献中,分析性人工智能技术经常用于开发预测模型。尽管基于人工智能的预测模型具有应用于心血管健康领域的巨大潜力,但到目前为止,只有少数预测模型显示了其在临床护理中的有用性。为了提高基于人工智能的预测模型的临床实施机会,从而对心血管健康产生影响,研究人员必须将其开发和验证保持高科学标准。<strong><span style="color: #3573b9;">2023年10月28日</span></strong>发表在<em><strong><span style="color: #3573b9;">EUROPEAN HEART JOURNAL</span></strong></em>的文章,提出了五个最低质量标准,在开发基于人工智能的新预测模型时应考虑这些标准。最近在本杂志上发表了批判性阅读和评估心血管疾病预测建模研究的广泛概述。</span></p> <p><span style="color: #595959; font-size: 14px;">为了提高心血管健康领域临床人工智能(AI)预测建模研究的质量,从而提高其影响和相关性,《欧洲心脏杂志》的数字健康、创新和质量标准的编辑为基于人工智能的预测模型开发和验证研究提出了五个最低质量标准:完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性。</span></p> <p><span style="color: #595959; font-size: 14px;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/202301029/1698583865261_8624070.png" /></span></p> <p style="text-align: center;"><span style="color: #888888; font-size: 12px;">本文摘要图</span></p> <p><span style="color: #595959; font-size: 14px;">完整透明的报告是审查员和研究人员能够充分欣赏和批判性评估模型开发方法的有效性并评估模型预测性能的关键。任何基于人工智能的预测模型的开发都应该受到一个明确定义的临床问题的激励,人工智能预测模型可以作为解决方案。模型验证程序确保基于人工智能的预测模型的预测性能估计(通常以校准和歧视来总结)是准确的,并且估计起来不会过度乐观。</span></p> <p><span style="color: #595959; font-size: 14px;">对两者来说,足够大的样本大小、基于人工智能的预测模型的稳健开发和准确验证至关重要。基于回归的预测模型计算最小所需样本大小的计算器可能是基于人工智能的预测模型的有用起点。公开提供数据和软件(包括模型代码)是确保读者和用户能够充分批判性地评估预测模型、执行测试(即验证)并根据新设置定制模型的重要一步。</span></p> <p style="text-align: center;"><span style="color: #888888; font-size: 12px;">关于基于人工智能的预测模型的建议</span></p> <p><span style="color: #595959; font-size: 14px;"><img class="wscnph" style="display: block; margin-left: auto; margin-right: auto;" src="https://img.medsci.cn/202301029/1698584006484_8624070.png" /></span></p> <p><span style="color: #595959; font-size: 14px;">本概述简要触及了心血管健康领域临床人工智能预测建模研究的作者、研究人员和读者的五个关键质量标准。本文提供了这个简短观点最重要的建议的摘要。完整的报告、精心定义的模型预期用途、严格的验证、足够大的样本量以及代码和软件的开放性将提高临床人工智能预测研究的质量,从而提高其结果的临床影响和相关性。</span></p> <p><span style="color: #595959; font-size: 14px;"><!-- notionvc: f434dab1-fc04-4cf8-844a-69c54b8957ae --></span></p> <p><span style="color: #888888; font-size: 12px;">原始出处</span></p> <p><span style="color: #888888; font-size: 12px;">Florien S van Royen, Folkert W Asselbergs, Fernando Alfonso, Panos Vardas, Maarten van Smeden, Five critical quality criteria for artificial intelligence-based prediction models, European Heart Journal, 2023;, ehad727, https://doi.org/10.1093/eurheartj/ehad727</span></p>, belongTo=, tagList=[TagDto(tagId=4342, tagName=预测模型), TagDto(tagId=8461, tagName=人工智能), TagDto(tagId=482276, tagName=关键质量标准)], categoryList=[CategoryDto(categoryId=69, categoryName=检验病理, tenant=100), CategoryDto(categoryId=72, categoryName=人工智能, tenant=100), CategoryDto(categoryId=84, categoryName=研究进展, tenant=100), CategoryDto(categoryId=20656, categoryName=梅斯医学, tenant=100)], articleKeywordId=0, articleKeyword=, articleKeywordNum=6, guiderKeywordId=0, guiderKeyword=, guiderKeywordNum=6, opened=1, paymentType=1, paymentAmount=0, recommend=0, recommendEndTime=null, sticky=0, stickyEndTime=null, allHits=7310, appHits=14, showAppHits=0, pcHits=98, showPcHits=7296, likes=0, shares=0, comments=0, approvalStatus=1, publishedTime=Mon Oct 30 12:15:00 CST 2023, publishedTimeString=2023-10-30, pcVisible=1, appVisible=1, editorId=6556185, editor=检验病理新前沿, waterMark=0, formatted=0, deleted=0, version=5, createdBy=dac48624070, createdName=JennyOu, createdTime=Sun Oct 29 20:57:11 CST 2023, updatedBy=92910, updatedName=rayms, updatedTime=Sat Jan 06 18:26:59 CST 2024, ipAttribution=上海, attachmentFileNameList=[AttachmentFileName(sort=1, fileName=ehad727.pdf)], guideDownload=1)
ehad727.pdf
版权声明:
本网站所有内容来源注明为“梅斯医学”或“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为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或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
评论区 (0)
#插入话题

相关资讯

Eur Urol Focus:从下尿路症状的标准临床评估中预测前列腺手术结果

研究人员为前列腺手术结果建立一个新的预测模型。结果发现,利用年龄、总 IPSS 和尿流测量数据可以在术前预测前列腺手术的结果,IPSS 的预后阈值为16,Qmax 为13毫升/秒。

BMC Geriatr:糖尿病患者虚弱风险预测模型的建立与验证

虚弱是糖尿病大血管和微血管并发症之后的第三大常见并发症。本研究的目的是建立一个有效的糖尿病患者虚弱的风险预测模型。

NEUROLOGY:无效再通治疗的多变量预测模型有助于急性缺血性卒中患者临床决策

预测算法将有助于为共享决策提供信息,并设定现实的期望。尽管该算法在医疗资源高的情况下拒绝治疗的临床效益和可用性有待于未来的研究,但开发一种预测FRT的可靠算法似乎是可以实现的,并应纳入更先进的入院影像

JTV:开发1~36月龄儿童尿布皮炎的风险预测模型

Nomogram模型具有良好的预测能力和令人满意的临床实用性,可用于儿科医务人员筛查尿布皮炎高危患者。

北大肿瘤医院沈琳教授:构建基于微环境的肿瘤免疫治疗预测模型

这项研究通过综合分析免疫浸润细胞对胃癌免疫疗法的影响,构建出一个可个体化预测免疫治疗反应的模型,为胃癌免疫疗法的精准治疗提出了方向。

Brain:预测模型助力决策:成人癫痫术后什么时候停用抗癫痫药?

预测模型可以帮助确定术后ASM退出的决策。

Baidu
map
Baidu
map
Baidu
map