Abstrait

Intelligence artificielle basée sur l'apprentissage profond pour prédire le risque et le pronostic chez les patients atteints de maladies cardiovasculaires

Ki-Hyun Jeon, Joon-myoung Kwon, Kyung-Hee Kim, parc Jinsik

Les maladies cardiovasculaires (MCV) constituent un problème de santé majeur dans le monde entier. La stratification des risques et la prédiction du pronostic sont essentielles pour identifier les patients à haut risque et pour la prise de décision visant à élaborer des stratégies de traitement pour les patients atteints de MCV. À cette fin, divers modèles ont été développés et validés par rapport à de grandes quantités de données de registre de population en utilisant des méthodes statistiques conventionnelles telles que les modèles basés sur la régression. Cependant, ces modèles conventionnels présentent un problème de sur-généralisation et ne sont pas applicables à tous les patients individuels. L'apprentissage profond est une branche de l'intelligence artificielle dans laquelle des réseaux neuronaux artificiels sont utilisés pour analyser les modèles de données ; il est similaire au fonctionnement du système neuronal humain. L'un des avantages de l'apprentissage profond est l'apprentissage automatique des caractéristiques et des relations à partir de données données. Récemment, l'apprentissage profond a atteint des performances élevées dans plusieurs domaines médicaux, tels que la classification d'images, le diagnostic, la prédiction des résultats cliniques et l'analyse génétique. L'objectif de cette revue est de résumer les modèles de prédiction basés sur l'apprentissage profond chez les patients atteints de MCV en termes de précision par rapport aux modèles conventionnels.