人工智能在脑卒中患者心房颤动预测中的应用

作者：朱千里

来源：医院管理论坛, 2019, 36(07): 30-33.

• 人工神经网络
• 心房颤动
• 射血分数
• 脑卒中

目的探讨使用人工神经网络对脑卒中患者进行病因筛查的可行性,观察其对脑卒中患者合并心房颤动(Atrial Fibrillation,AF)的预测效能。方法序贯收录2013年1月至2018年1月于我院诊断急性脑卒中并行两周连续动态心电监测的患者651例,根据是否存在房颤心律分为存在房颤和无房颤两类结局。将降脂类(他汀类)用药史、血管紧张素转换酶抑制剂或血管紧张素受体抑制剂用药史、身体质量指数、糖尿病病史、高血压病史、年龄、性别、心脏射血分数、心脏左房内径、尿酸、脑钠肽水平作为预测变量,分别构建Logistic回归模型和人工神经网络模型,比较两者在脑卒中患者病因筛查方面的辅助作用。结果 Logistic回归模型对脑卒中患者合并房颤的预测敏感性为65%,特异性为55%,AUC=0.612;人工神经网络模型预测敏感性为79%,特异性为93%,AUC=0.844;用于预测的变量中被赋予较大权重的变量为射血分数、尿酸、脑钠肽、心脏左房内径。结论与Logistic回归模型相比,人工神经网络模型对脑卒中患者合并房颤的预测具有更高的准确性(Z=3.863,p<0.05),可用于指导脑卒中患者的个体化治疗。

• 单位
  温州医科大学附属第一医院