medRxiv 临床预印· Lee, J.-W., Do, U., Kim, H. M., Choi, M. J., Shin, S. Y., Park, S., Kang, K.-W. ·· 22 小时前AI 评分32
机器学习预测房室传导阻滞患者起搏诱导性心肌病：XGBoost 模型表现最佳
Machine Learning-based Prediction of Pacing-Induced Cardiomyopathy in Patients with Atrioventricular Block Underlying Heart Failure with Mildly Reduced or Preserved Ejection Fraction
AI 导读
一项基于 RISK-PICM 登记库 125 例房室传导阻滞患者的多中心前瞻研究显示，XGBoost 模型预测起搏诱导性心肌病（PICM）的 AUROC 达 0.831，敏感性 0.805、特异性 0.845，优于逻辑回归、支持向量机和随机森林。
来源：medRxiv 临床预印 · medrxiv.org