Outcome Prediction
- Others:
- E-Patient : Images, données & mOdèles pour la médeciNe numériquE (EPIONE) ; Inria Sophia Antipolis - Méditerranée (CRISAM) ; Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)
- Sunnybrook Research Institute [Toronto] (SRI) ; Sunnybrook Health Sciences Centre
- Centre Hospitalier Universitaire de Bordeaux (CHU de Bordeaux)
- IHU-LIRYC ; Université Bordeaux Segalen - Bordeaux 2-CHU Bordeaux [Bordeaux]
- Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS) ; Université Claude Bernard Lyon 1 (UCBL) ; Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon) ; Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
- Modeling & analysis for medical imaging and Diagnosis (MYRIAD) ; Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé (CREATIS) ; Université Claude Bernard Lyon 1 (UCBL) ; Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon) ; Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)-Université Claude Bernard Lyon 1 (UCBL) ; Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon) ; Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-Institut National de la Santé et de la Recherche Médicale (INSERM)-Centre National de la Recherche Scientifique (CNRS)
- Institut Universitaire de France (IUF) ; Ministère de l'Education nationale, de l'Enseignement supérieur et de la Recherche (M.E.N.E.S.R.)
- Imperial College London
- ANR-11-LABX-0063,PRIMES,Physique, Radiobiologie, Imagerie Médicale et Simulation(2011)
- ANR-19-CE45-0005,MIC-MAC,Modélisation de la hiérarchie entre descripteurs cardiaques par apprentissage automatique(2019)
Description
This chapter focuses on how we can best predict the future health of patients, known as prognosis. This encompasses areas such as risk prediction and predicting response to treatment. A clinical opinion piece summarises the role of prognosis in clinical care and highlights the areas where AI has already had an impact in this area. The technical section summarizes the state-of-the-art in outcome prediction, focusing on three clinical applications as exemplars: predicting response to cardiac resynchronization therapy (CRT), predicting outcome in atrial fibrillation and risk stratification in ventricular arrhythmia. A practical tutorial reinforces these concepts by taking the reader through a simple outcome prediction task based on cardiac morphology. The closing clinical opinion piece highlights areas where AI could impact prognostic tasks in the future.
Abstract
International audience
Additional details
- URL
- https://hal.science/hal-04212068
- URN
- urn:oai:HAL:hal-04212068v1
- Origin repository
- UNICA