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williamhill asia
医学（MedSci）原创编译整理，转载需授权！
小提示：本篇威廉亚洲官网
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“williamhill asia 医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于williamhill asia 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“williamhill asia 医学”。其它来源的文章系转载文章，或“williamhill asia 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williamhill asia 联系，williamhill asia 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“williamhill asia 医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于williamhill asia 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“williamhill asia 医学”。其它来源的文章系转载文章，或“williamhill asia 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williamhill asia 联系，williamhill asia 将立即进行删除处理。
在此留言
#AST#
53
#高危患者#
68
#上消化道#
56
#Gastroenterol#
40
#GAS#
49
好
82
#消化道#
45
#Gastroenterology#
53