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！
小提示：本篇资讯需要登录阅读，点击跳转登录
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
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
#AST#
80
#高危患者#
102
#上消化道#
82
#Gastroenterol#
64
#GAS#
72
好
105
#消化道#
70
#Gastroenterology#
77