Explainable Artificial Intelligence–driven Risk Assessment for Malignant Ventricular Arrhythmia and Mortality in Acute Myocardial Infarction
Notice bibliographique
Résumé
BACKGROUND: Malignant ventricular arrhythmia (MVA) is a severe complication that can occur after acute myocardial infarction, often leading to sudden cardiac death. METHODS: A total of 4471 patients from 2 medical centers were included in this study. The primary endpoint was a composite of MVA and in-hospital death. Seven state-of-the-art artificial intelligence (AI) models were developed and optimized by nested 5-fold cross-validation. Predictive performance was evaluated using the area under the receiver-operating characteristic (AUROC) curve, the calibration curve, and the decision analysis curve. RESULTS: Among the enrolled patients, 3456 were assessed for model development and validation and 1015 patients from another medical center were asssessed for external validation. In the validation group, the eXtreme Gradient Boosting (XGBoost) model achieved the highest AUROC of 0.792 (95% confidence interval [CI] 0.740-0.845) for the composite endpoint. The Light Gradient Boosting Machine (LightGBM) model demonstrated superior performance for MVA prediction (AUROC = 0.827, 95% CI 0.768-0.885), whereas the Random Forest (RF) model outperformed the others for mortality prediction (AUROC = 0.784, 95% CI 0.720-0.848). In the external validation group, the AUROC of the XGBoost model with 15 variables for predicting the primary endpoint event was 0.726. The AUROCs were 0.704 for the LightGBM model with 15 variables for predicting MVA and 0.823 for the RF model with 20 variables for predicting in-hospital death. The Web-based prediction system showed real-time risk assessment capabilities. CONCLUSIONS: Our study presents an interpretable AI framework integrating multimodel analysis for acute myocardial infarction risk management. The system offers clinicians a validated tool for personalized risk assessment that can potentially improve patient outcomes through early intervention strategies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».