用于心血管疾病预后的人工智能方法

冠心病作为全球死亡率的重要原因而显著突出。生物医学设备和各种医院应用生成大量临床数据，为预测分析提供了丰富的资源。人工智能（AI）越来越多地被用于预测心脏病，而机器学习（ML）则作为一种强大的工具，助力于明智决策和精确预测。医疗行业在采用机器学习技术方面取得了显著进展。这一进步主要依赖于利用临床测试数据对样本案例进行模型训练，以预测疾病。因此，对心脏疾病相关数据的全面理解对于提高预测的准确性至关重要。在此过程中，特征选择发挥了关键作用，因为它有效地消除了冗余和无关的特征，从而降低了预测模型的训练成本和时间。本文提倡在预测冠心病时使用基于AI的特征选择方法。所提出的工作引入了一种疾病预测模型，采用多种特征选择技术的组合。通过使用来自心脏病数据库的数据集来评估预测模型的有效性。提出的策略通过准确性、精确度、召回率和F1-score进行评估。此外，这些系统有潜力在心脏病诊断过程中帮助医生做出准确决策。