External validation of PreOpNet to predict 30-day mortality after major non-cardiac surgery using digital electrocardiogram
8.1
来源：
Nature
关键字：
AI medical imaging
发布时间：
2025-10-16 23:40
摘要：
PreOpNet是一种新型深度学习算法，利用12导联数字心电图（ECG）进行术前风险评估。研究在6098名高风险患者中进行，结果显示PreOpNet在预测30天死亡率和主要不良心脏事件（MACE）方面具有中等的预测能力，尽管其在单独使用时的临床效用有限，但与其他风险评估工具结合使用时具有潜在价值。
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
business_impact
0.5分
scientific_rigor
1.5分
timeliness_innovation
1.0分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
0.5分
关键证据
PreOpNet在高风险患者中对30天死亡和MACE的预测能力进行了外部验证。
PreOpNet在预测30天死亡率方面优于修订心脏风险指数，但不及高敏感性心脏肌钙蛋白T。
PreOpNet与RCRI和hs-cTnT结合使用时显示出增量价值。
真实性检查
否
AI评分总结
PreOpNet是一种新型深度学习算法，利用12导联数字心电图（ECG）进行术前风险评估。研究在6098名高风险患者中进行，结果显示PreOpNet在预测30天死亡率和主要不良心脏事件（MACE）方面具有中等的预测能力，尽管其在单独使用时的临床效用有限，但与其他风险评估工具结合使用时具有潜在价值。