机器学习在原发性醛固酮增多症分型诊断中的应用 |
| |
作者姓名: | 赖泽群 鲍如意 张洪金 梁宁鹏 贺铿 董一飞 |
| |
作者单位: | 1. 南昌大学第二附属医院心血管内科;2. 江西省分子生物学重点实验室 |
| |
基金项目: | 国家自然科学基金(81960088); |
| |
摘 要: | 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。
|
|
|