Abstrakt

Künstliche Intelligenz auf Basis von Deep Learning zur Risiko- und Prognosevorhersage bei Patienten mit Herz-Kreislauf-Erkrankungen

Ki-Hyun Jeon, Joon-myoung Kwon, Kyung-Hee Kim, Jinsik Park

Herz-Kreislauf-Erkrankungen (CVD) stellen weltweit ein großes Gesundheitsproblem dar. Risikostratifizierung und Prognosevorhersage sind entscheidend für die Identifizierung von Hochrisikopatienten und für die Entscheidungsfindung zur Entwicklung von Behandlungsstrategien für Patienten mit CVD. Zu diesem Zweck wurden verschiedene Modelle entwickelt und anhand großer Mengen von Bevölkerungsregisterdaten validiert, wobei herkömmliche statistische Methoden wie regressionsbasierte Modelle zum Einsatz kamen. Diese herkömmlichen Modelle weisen jedoch das Problem der Übergeneralisierung auf und sind nicht auf alle einzelnen Patienten anwendbar. Deep Learning ist ein Zweig der künstlichen Intelligenz, bei dem künstliche neuronale Netzwerke zur Analyse von Datenmustern verwendet werden; es ähnelt der Funktionsweise des menschlichen Nervensystems. Ein Vorteil von Deep Learning ist das automatische Erlernen von Merkmalen und Beziehungen aus gegebenen Daten. In jüngster Zeit hat Deep Learning in mehreren medizinischen Bereichen, wie Bildklassifizierung, Diagnose, Vorhersage klinischer Ergebnisse und Genanalyse, hohe Leistungen erzielt. Der Schwerpunkt dieser Übersicht liegt auf einer Zusammenfassung von Deep Learning-basierten Vorhersagemodellen für Patienten mit CVD hinsichtlich ihrer Genauigkeit im Vergleich zu herkömmlichen Modellen.