用于新诊断心房颤动患者卒中风险预测的可解释机器学习模型

为何预测卒中风险重要

心房颤动是一种常见的心律问题，会大大增加发生卒中的可能性。临床医生目前依赖一种简单的点数评分来判断谁应接受抗凝药物，但该评分常常漏掉高风险患者，并可能将一些低风险人群错误标记为需要治疗。本研究探讨是否可以用更聪明但仍可解释的计算模型，在仅使用每个门诊已有的信息——年龄、既往疾病和常用药物——的情况下，更好地估计短期卒中风险。

引用: Lin, J.CW., Chang, CM., Pan, HY. et al. Interpretable machine learning models for stroke risk prediction in patients with newly diagnosed atrial fibrillation. npj Digit. Med. 9, 289 (2026). https://doi.org/10.1038/s41746-026-02470-3

关键词: 心房颤动, 卒中预测, 机器学习, 风险分层, 抗凝治疗