机器学习在原发性醛固酮增多症分型诊断中的应用

原发性醛固酮增多症（原醛）的临床诊断过程非常繁杂，分为筛查、确诊、分型一系列过程。其中，分型诊断所采用的肾上腺静脉取血的技术难度大，难以在基层医院开展。因此，借助人工智能构建精准的原醛分型诊断模型，将为各级医院规范原醛的诊疗提供新的契机。赖泽群等总结了近年来基于临床指标、单侧肾上腺静脉取血结果、类固醇数据、影像组学的机器学习在原醛分型诊断中应用的相关研究，也实事求是地阐述了目前这些模型的不足，使我们对现阶段机器学习在原醛分型诊断中的应用有了全面的认识。