2020.08.27
-
產品系列
Products
資料科學
網路通訊
其他應用軟體
最新活動
News
產品新知
Blogs
關於我們
About Us
聯絡我們
Contact Us
基於機器學習的風險模型預測心因性猝死的機率
慢性心臟衰竭 (CHF) 已成為與全球人口高齡化相關的主要公共衛生負擔。儘管近代的藥物治療或心臟輔助裝置，顯著改善預後，但發病率與死亡率仍然很高；診斷後，近50%的CHF患者無法存活。目前的治療指引與研究表明需要改進風險分層模型以選擇基於風險的預防或治療策略。
機器學習方法在醫學界變得越來越普遍，尤其在心血管疾病與心臟影像領域，例如，在核醫心臟學，機器學習演算法的診斷能力可與專家媲美；也可以與常規統計方法一起應用，分析非影像的臨床資料庫。對於多因子預測模型，機器學習方法非常有效。
日本金澤大學醫學院教授的研究使用Mathematica建立基於機器學習的風險模型，分析526位CHF患者資料。
來源：Machine learning-based risk model using I-metaiodobenzylguanidine to differentially predict modes of cardiac death in heart failure
訂閱昊青/取消訂閱
*為必填
台北總公司
- 104 台北市中山區復興北路354號11樓
(02) 2505-0525
(02) 2503-1680
高雄辦公室
- 800 高雄市新興區民生一路56號11樓之6
(07) 229-8600
(07) 229-8660
客服資訊
- info@sciformosa.com.tw
0800-099-900