目的:应用随机森林(random forest,RF)算法构建冠心病人群左心室舒张功能不全的诊断模型.方法:纳入2013年10月至2014年7月就诊于中国医学科学院阜外医院的84例冠心病患者及30例正常志愿者,以5:5的比例随机分配至训练组(n=57)和测试组(n=57).整合15项临床特征及13项超声心动图特征搭建模型,对左心室舒张功能进行分类预测.结果:RF模型预测冠心病人群左心室舒张功能不全的AUC为0.95,平均准确率达92.9％,F1分数为95.5％.灵敏度、特异度、阳性预测值及阴性预测值分别为89.5％、95.6％、93.3％、93.0％.RF模型与左心导管检查之间的Kappa值为0.85,2016年美国超声心动图学会发布的《关于评估左心室舒张功能不全的建议》(简称2016舒张功能指南)Kappa值为0.35.结论:本研究证明了人工智能模型预测冠心病人群左心室舒张功能不全的可行性.与2016年舒张功能指南相比,RF模型诊断准确性及一致性较好.
作者：刘梦怡；马红；林静茹；朱振辉；陆敏杰；吴伟春；王浩
来源：中国循环杂志 2023 年 38卷 7期
