s Chrysafi et al.

From Code to Clots: Applying Machine Learning to Clinical Aspects of Venous Thromboembolism Prevention, Diagnosis, and Management

全球静脉血栓栓塞症（VTE）的高发病率及其导致的发病和死亡负担使其成为亟待解决的问题。机器学习（ML）能够改进VTE的预防、检测和治疗。这一新技术处理大量高维数据的能力有助于发现新的风险因素，并为血栓预防更好地对患者进行风险分层。机器学习在VTE方面的应用包括：解释医学影像的系统、评估VTE严重程度的系统、根据个体患者需求定制治疗方案的系统，以及识别VTE病例以加强监测的系统。生成式人工智能可被用于设计新型分子（如新型抗凝剂）、生成合成数据以扩大数据集，以及通过辅助生成临床记录来减轻临床负担。这些新技术应用过程中可能面临的挑战包括：获取多维度大型数据集、开展确保安全性和有效性的前瞻性研究和临床试验、进行持续质量评估以保持算法准确性、缓解不必要偏倚，以及制定监管和法律准则以保护患者和提供者。我们为临床医生提出了一种将机器学习融入研究的实用方法，从选择合适的问题到将机器学习整合到临床工作流程中。机器学习为VTE领域的临床医生和研究人员提供了巨大的潜力和机遇，以便将这项技术转化为临床应用，并直接惠及患者。