A machine learning approach to identify patients at risk for long-term consequences after pulmonary embolism
7.5
来源：
Nature
关键字：
AI medical imaging
发布时间：
2025-09-24 23:43
摘要：
本研究开发了一种机器学习模型，以识别肺栓塞患者在长期后果方面的风险，尤其是慢性血栓栓塞性肺动脉高压（CTEPH）。使用RIETE注册数据，模型在CTEPH预测中表现出良好的性能，AUC达到0.74，显著优于现有的预测工具。研究强调了机器学习在复杂疾病预测中的应用潜力，并指出未来需要整合影像数据以提高模型的临床效用。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分+重点关注领域符合度
business_impact
0.5分+商业影响力
scientific_rigor
1.5分+数据支撑的科学性
timeliness_innovation
1.5分+时效性与创新性
investment_perspective
2.5分+BOCG投资视角
market_value_relevance
1.0分+市场价值相关性
team_institution_background
0.5分+团队与机构背景
technical_barrier_competition
0.5分+技术壁垒与竞争格局
关键证据
CTEPH模型的AUC为0.74，显著优于现有预测评分的0.57。
研究利用RIETE注册数据，涵盖超过57,000名肺栓塞患者。
机器学习模型显示出在识别高风险患者方面的潜力。
真实性检查
否
AI评分总结
本研究开发了一种机器学习模型，以识别肺栓塞患者在长期后果方面的风险，尤其是慢性血栓栓塞性肺动脉高压（CTEPH）。使用RIETE注册数据，模型在CTEPH预测中表现出良好的性能，AUC达到0.74，显著优于现有的预测工具。研究强调了机器学习在复杂疾病预测中的应用潜力，并指出未来需要整合影像数据以提高模型的临床效用。