Enhancing the diagnosis of functionally relevant coronary artery disease with machine learning

冠状动脉疾病 计算机科学 疾病 心脏病学 医学 计算生物学 内科学 生物
作者
Christian Bock,Joan Walter,Bastian Rieck,Ivo Strebel,Klara Rumora,Ibrahim Schaefer,Michael J. Zellweger,Karsten Borgwardt,Christian Müller
出处
期刊:Nature Communications [Springer Nature]
卷期号:15 (1) 被引量:1
标识
DOI:10.1038/s41467-024-49390-y
摘要

Functionally relevant coronary artery disease (fCAD) can result in premature death or nonfatal acute myocardial infarction. Its early detection is a fundamentally important task in medicine. Classical detection approaches suffer from limited diagnostic accuracy or expose patients to possibly harmful radiation. Here we show how machine learning (ML) can outperform cardiologists in predicting the presence of stress-induced fCAD in terms of area under the receiver operating characteristic (AUROC: 0.71 vs. 0.64, p = 4.0E-13). We present two ML approaches, the first using eight static clinical variables, whereas the second leverages electrocardiogram signals from exercise stress testing. At a target post-test probability for fCAD of <15%, ML facilitates a potential reduction of imaging procedures by 15-17% compared to the cardiologist's judgement. Predictive performance is validated on an internal temporal data split as well as externally. We also show that combining clinical judgement with conventional ML and deep learning using logistic regression results in a mean AUROC of 0.74.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
江停完成签到,获得积分10
2秒前
N3完成签到 ,获得积分10
2秒前
3秒前
4秒前
三三得九完成签到 ,获得积分10
4秒前
biancaliu发布了新的文献求助10
5秒前
英俊的铭应助如意的新梅采纳,获得10
5秒前
CipherSage应助scott910806采纳,获得10
6秒前
在水一方应助小白菜采纳,获得10
6秒前
pine完成签到,获得积分10
7秒前
8秒前
英姑应助wa采纳,获得10
9秒前
火星上的绿蕊完成签到,获得积分10
9秒前
YH发布了新的文献求助10
11秒前
12秒前
Ww发布了新的文献求助10
13秒前
酷波er应助罗是一采纳,获得10
13秒前
小燕子发布了新的文献求助10
13秒前
田様应助啦啦啦采纳,获得10
14秒前
14秒前
15秒前
苗条凡完成签到 ,获得积分10
16秒前
16秒前
852应助晓森采纳,获得10
18秒前
zhoutian发布了新的文献求助10
20秒前
YH完成签到,获得积分10
20秒前
小于完成签到,获得积分10
20秒前
21秒前
Chenyan775199发布了新的文献求助10
21秒前
22秒前
徐hhh完成签到 ,获得积分10
22秒前
23秒前
雪白胡萝卜完成签到 ,获得积分10
23秒前
罗是一发布了新的文献求助10
24秒前
啦啦啦啦啦完成签到,获得积分10
24秒前
可爱的函函应助ZHY2023采纳,获得10
24秒前
白鸽应助大气的二娘采纳,获得10
24秒前
希望天下0贩的0应助XinX采纳,获得10
25秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3136013
求助须知:如何正确求助?哪些是违规求助? 2786835
关于积分的说明 7779716
捐赠科研通 2443045
什么是DOI,文献DOI怎么找? 1298822
科研通“疑难数据库(出版商)”最低求助积分说明 625232
版权声明 600870