Incidence and severity of aortic stenosis according to machine learning predicted risk of atrial fibrillation
7.3
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-15 23:40
摘要：
本研究探讨了机器学习预测的房颤风险与主动脉狭窄（AS）严重性之间的关系，发现较高的FIND-AF风险评分与AS的严重程度呈正相关。研究利用来自全国初级保健临床健康记录的队列，显示FIND-AF算法在预测AS发生方面表现良好，AUC为0.782。该研究强调了利用机器学习进行AS早期检测的潜力，尤其是在老年人群体中。
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+1.0分
business_impact
0.5分+0.5分
scientific_rigor
1.5分+1.5分
timeliness_innovation
1.5分+1.5分
investment_perspective
2.5分+2.5分
market_value_relevance
1.0分+1.0分
team_institution_background
0.5分+0.5分
technical_barrier_competition
0.7分+0.7分
关键证据
FIND-AF risk score shows good prediction performance for incident AS (AUC 0.782).
Higher FIND-AF risk correlated with increasing AS severity parameters.
Study highlights the importance of early detection of AS using machine learning.
真实性检查
否
AI评分总结
本研究探讨了机器学习预测的房颤风险与主动脉狭窄（AS）严重性之间的关系，发现较高的FIND-AF风险评分与AS的严重程度呈正相关。研究利用来自全国初级保健临床健康记录的队列，显示FIND-AF算法在预测AS发生方面表现良好，AUC为0.782。该研究强调了利用机器学习进行AS早期检测的潜力，尤其是在老年人群体中。