AI in de cardiologie
Deze pagina bundelt 10 publicaties over ai in de cardiologie uit internationale cardiovasculaire tijdschriften en wordt automatisch bijgewerkt zodra nieuwe publicaties verschijnen. Toonaangevende publicaties: AI-analyse van ECG als digitale biomarker voor hartfalen; Machine learning voorspelt 30-daagse sterfte na een dotterbehandeling (Australisch register); AI-adoptie in de cardiologie: regulering op een mondiaal kruispunt.
10 artikelen
AI-clustering identificeert functionele risicofenotypen bij hartfalen
Bij 505 hartfalenpatiënten werd met unsupervised AI-clustering op basis van 15 multimodale klinische variabelen — waaronder metabole, inflammatoire en lichaamscompositieparameters — onderscheid gemaak
AI-model voorspelt nachtelijke hypertensie bij chronische nierziekte
Onderzoekers ontwikkelden een diffusiemodel dat nachtelijke hypertensie kan voorspellen bij patiënten met chronische nierziekte, waardoor kostbare 24-uurs bloeddrukmonitoring mogelijk selectiever kan
Kwaliteitscriteria voor AI-implementatie in de cardiologie bijgewerkt
Dit EHJ-artikel presenteert geactualiseerde kwaliteitscriteria voor de implementatie van kunstmatige intelligentie in de klinische cardiologische praktijk. De auteurs benadrukken het belang van gestan
AI-analyse van ECG als digitale biomarker voor hartfalen
Dit JACC-editorial bespreekt de opkomende rol van kunstmatige intelligentie toegepast op het standaard 12-afleidingen-ECG als risicobiomarker voor het ontwikkelen van hartfalen. ECG-AI zou vroege dete
Machine learning voorspelt 30-daagse sterfte na een dotterbehandeling (Australisch register)
Het vooraf inschatten van de 30-daagse sterfte na een percutane coronaire interventie (PCI) helpt bij de besluitvorming en bij het vergelijken van ziekenhuisprestaties. In dit Australische onderzoek (
AI-adoptie in de cardiologie: regulering op een mondiaal kruispunt
De integratie van kunstmatige intelligentie en machine learning in de cardiologie biedt kansen voor betere patiëntenzorg via geautomatiseerde diagnostiek, voorspellende analyses en behandeladviezen. D
Geïntegreerd machine-learningmodel voorspelt cardiovasculair risico beter dan de Framingham-score (UK Biobank)
Klassieke risicoscores zoals Framingham en SCORE schieten soms tekort door hun beperkte set variabelen. In deze studie werd met machine learning een uitgebreid model voor het cardiovasculaire risico o
Machine-learningmodel schat het cardiovasculaire risico van niet-cardiale chirurgie nauwkeurig in
Jaarlijks ondergaat 4% van de wereldbevolking een niet-cardiale operatie, en bij 30% van hen is er minstens één cardiovasculaire risicofactor. Deze studie ontwikkelde een interpreteerbaar machine-lear
Klinische fenotypen bij hypertensie: datagestuurde risicostratificatie
De heterogeniteit van hypertensie bemoeilijkt risicostratificatie. Met ongesuperviseerde machine learning werden risicoprofielen en klinische fenotypen ontdekt om preventieve strategieën te verfijnen
Machine learning voor LV diastolische functie op ECG
Studie die machine learning toepaste op ECG-kenmerken voor beoordeling van LV diastolische functie.