利用人工智能和机器学习算法预测急性心肌梗死患者新发心房颤动
本研究开发并验证了一种可解释的人工智能模型,用于预测急性心肌梗死患者新发心房颤动。该模型整合了临床、超声心动图、血管造影和生化参数,表现出优异的预测性能(准确率97.0%,ROC-AUC值0.991)。SHAP分析表明,E/e'比值、左心室质量指数、左心室射血分数、左心房容积指数、氧化应激标志物(丙二醛和超氧化物歧化酶)、NT-proBNP和完全血运重建是预测新发心房颤动的最重要因素。该模型可能有助于改善个体化风险评估和临床决策,但需在更大规模的多中心队列中验证。

