PulseAugur
中
实时 17:00:41
English(EN) Benchmarking Waitlist Mortality Prediction in Heart Transplantation Through Time-to-Event Modeling using New Longitudinal UNOS Dataset

机器学习模型预测心脏移植等待名单死亡率

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发并对机器学习模型进行了基准测试，以预测心脏移植患者的等待名单死亡率。他们使用了一个包含23,807条患者记录的新纵向数据集，该数据集来自美国器官共享联合网络（UNOS），其最佳模型达到了0.94的C指数和0.89的AUROC。这一性能显著优于以往的模型，有助于评估患者的紧急程度和完善移植政策。 AI

影响 提高了关键医疗决策的预测准确性，有可能挽救生命并优化器官移植中的资源分配。

排序理由 该集群包含一篇学术论文，详细介绍了新的机器学习模型和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yingtao Luo, Reza Skandari, Carlos Martinez, Arman Kilic, Rema Padman ·

    Benchmarking Waitlist Mortality Prediction in Heart Transplantation Through Time-to-Event Modeling using New Longitudinal UNOS Dataset

    arXiv:2507.07339v2 Announce Type: replace-cross Abstract: Decisions about managing patients on the heart transplant waitlist are currently made by committees of doctors who consider multiple factors, but the process remains largely ad-hoc. With the growing volume of longitudinal …

相关话题