机器学习模型预测起搏诱导性心肌病研究发布

Lee, J.-W. 等研究者基于 RISK-PICM 登记库 125 例房室传导阻滞患者的多中心前瞻数据，开发并验证了预测起搏诱导性心肌病（PICM）的机器学习模型，结果显示 XGBoost 判别表现最佳，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。 该研究的适用对象为合并轻度降低或保留射血分数心衰的房室传导阻滞患者，研究于 2026 年 10 月 13 日发布在 medRxiv 临床预印本平台。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。