Štúdia vyvinula a validovala modely strojového učenia (ML) na predikciu úmrtnosti po operácii srdcovej chlopne. Výskumníci analyzovali dáta od 935 pacientov a porovnali výkonnosť ML modelov s konvenčným skórovacím systémom EuroSCORE II. Modely strojového učenia, najmä Extra Trees a logistická regresia, preukázali lepšiu presnosť pri predpovedi úmrtnosti v nemocnici a 30 dní po operácii v porovnaní s EuroSCORE II. Pre 365-dňovú úmrtnosť bola prediktívna výkonnosť modelov porovnateľná. Medzi kľúčové prediktory patrili vek a biomarkery funkcie srdca, obličiek a pečene. Na základe najlepších modelov boli vytvorené nomogramy, ktoré slúžia ako praktické nástroje na odhad individuálneho rizika po operácii chlopne. Štúdia naznačuje, že ML modely môžu zlepšiť stratifikáciu rizika a pomôcť pri rozhodovaní v klinickej praxi.