机器学习模型在心血管风险预测中优于传统工具

一项发表在预印本平台上的研究比较了机器学习与传统风险计算器在心血管疾病预测中的表现。研究纳入了来自西班牙裔/拉丁裔社区的数据，发现机器学习模型的C统计量达到0.84，显著高于传统工具（0.72-0.76），且校准误差更小。传统工具如Framingham和SCORE多基于欧美人群开发，在多元族群中存在局限性。该研究指出，机器学习能捕捉非线性交互作用，可能改善全球不同人群的心血管风险评估。但需注意，本研究尚未经过同行评议。