PulseAugur
中
实时 10:49:53
English(EN) Pre-AF 13: An Interpretable Atrial Fibrillation Risk Score Mined from Discharge Reports

可解释的机器学习模型预测房颤风险

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个名为 Pre-AF 13 的可解释机器学习模型，用于预测心血管疾病患者房颤 (AF) 的风险。该模型在俄罗斯的电子健康记录上进行训练，利用自然语言处理从出院报告中提取特征。Pre-AF 13 在 24 个月预测方面取得了 0.725 的 ROC AUC，其性能优于现有的临床风险评分。 AI

影响 这项研究展示了可解释的机器学习模型在提高医疗诊断准确性方面的潜力，可能带来更早的干预。

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及其在特定任务上的性能。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Olga Shakhmatova, Dmitrii Kriukov, Daniil Larionov, Nikita Khromov, Iaroslav Bespalov, Alexander Zolotarev, Kirill Grishchenkov, Ekaterina Ivanova, Miron Kuznetsov, Ilya Sochenkov, Elizaveta Panchenko, Artem Shelmanov, Dmitry V. Dylov ·

    Pre-AF 13: An Interpretable Atrial Fibrillation Risk Score Mined from Discharge Reports

    arXiv:2606.10725v1 Announce Type: cross Abstract: Background. Atrial fibrillation (AF) is the most prevalent cardiac arrhythmia and a major determinant of prognosis. Established AF risk scores rely on factors (older age, hypertension) nearly ubiquitous among patients with cardiov…

  2. arXiv cs.CL TIER_1 English(EN) · Dmitry V. Dylov ·

    Pre-AF 13: An Interpretable Atrial Fibrillation Risk Score Mined from Discharge Reports

    Background. Atrial fibrillation (AF) is the most prevalent cardiac arrhythmia and a major determinant of prognosis. Established AF risk scores rely on factors (older age, hypertension) nearly ubiquitous among patients with cardiovascular disease (CVD), offering limited stratifica…

相关实体

相关话题