Big data en kunstmatige intelligentie

Big data werpen nieuw licht op risicofactoren hartvaatziekten

michaelheim / stock.adobe.com

Grootschalig gegevensonderzoek van de Johns Hopkins University in Baltimore wijst op nieuwe cardiovasculaire risicofactoren. De nieuwe methode scoort beter dan bestaande modellen.

De studie  is uitgevoerd door Bharath Ambale-Venkatesh en João A.C. Lima van de Johns Hopkins University in Baltimore. Het artikel Cardiovascular Event Prediction by Machine Learning verscheen in Circulation Research.

De studie was oorspronkelijk bedoeld om het proces van het ontstaan van hartvaatziekten te voorspellen. In deze studie onder 6814 deelnemers zijn van alle deelnemers 735 variabelen verzameld die met de ziekte te maken kunnen hebben. Hieronder de traditionele risicofactoren zoals leeftijd, geslacht, BMI, bloeddruk en rookgedrag. Maar ook gegevens over medicijngebruik, informatie uit vragenlijsten, informatie uit verschillende beeldvormende onderzoeksmethoden en uitslagen van laboratoriumonderzoek.

Top-20 risicofactoren hartvaatziekten

Met de machine-learing methode survival forest (RSF) zijn alle mogelijke variabelen voor hartvaatziekten doorgerekend. Uit al deze risicofactoren zijn de twintig belangrijkste bepaald voor het krijgen van een kransslagadervernauwing, cva of hartfalen. Daarnaast is zijn de belangrijkste risicofactoren berekend voor de combinatie van deze drie hartvaatziekten en sterfte door een  hartvaataandoening.

__________________________________________________________________________________________

Abonneer u nu op de nieuwsbrief van Qruxx tech. Daarmee krijgt u iedere maandag een update van alle artikelen, blogs en nieuwsberichten.

___________________________________________________________________________________________

In de top-20 van risicofactoren komt vooral informatie uit beeldvormend onderzoek, elektrocardiografie en laboratoriumonderzoek voor. De traditionele risicofactoren zijn minder prominent aanwezig. Zo zijn de nuchtere glucosewaarde en informatie van ultrasonografie van de halsslagaders belangrijke voorspellers van een beroerte, terwijl de kalkscore in de kransslagaders de belangrijkste voorspeller is voor een kransslagadervernauwing. Gegevens over de structuur van de linkerhartkamer en de bloedwaarde voor het cardiaal troponine T zijn het meest bepalend voor het risico op hartfalen.

Meerwaarde RSF-methode

Het RSF-20-model scoorde beter dan de Heart Risck Calculator van de American College of Cardiology/American Heart Association en de Framingham-CHD-index, die al lang  in gebruik zijn. Volgens de onderzoekers is er gebrek aan onderzoek met machine-learning-technieken binnen bestaande datasets met uitgebreide gegevens over ziekteprocessen.

 

 

Reacties