Video Experimental Relacionado
Updated: Jan 13, 2026
04:09
Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.6K
Significado clínico del algoritmo de aprendizaje automático en la predicción de PPM durante TAVR en anillos pequeños
Yu Mao1, Yang Liu1, Mengen Zhai1
1Department of Cardiovascular Surgery, Xijing Hospital, 127 Changle West Road, Xi'an, 710032, Shaanxi, China.
Cardiovascular intervention and therapeutics
|January 6, 2026
Resumen
La ecocardiografía sobreestima los gradientes de la válvula aórtica en anillos pequeños durante TAVR. Un modelo XGBoost mejoró la precisión, mostrando que los gradientes predichos más altos se correlacionan con un peor pronóstico del paciente.
Área de la Ciencia:
- Cardiología
- Imagen Médica
- Inteligencia Artificial en Medicina
Sus antecedentes:
- La medición precisa del gradiente de presión de la válvula aórtica (PPA) es crucial para los resultados del reemplazo de la válvula aórtica transcatéter (TAVR).
- La ecocardiografía a menudo sobreestima la PPA en pacientes con anillos aórticos pequeños en comparación con el cateterismo cardíaco izquierdo (CPL).
Objetivo del estudio:
- Mejorar la precisión de las mediciones de la PPA utilizando ecocardiografía en anillos pequeños durante TAVR.
- Evaluar el impacto pronóstico de la PPA medida con precisión en los resultados del paciente.
Principales métodos:
- Se entrenó un algoritmo de gradient boosting extremo (XGBoost) con datos de 273 pacientes con estenosis aórtica y anillos pequeños sometidos a TAVR.
- Se compararon las mediciones de PPA de la ecocardiografía transtorácica (ETT) con los datos de CPL.
- Se evaluó la asociación entre la PPA predicha y un punto final compuesto de mortalidad y readmisión por insuficiencia cardíaca.
Principales resultados:
- Las mediciones basales de la PPA de la PTV se sobreestimaron significativamente en comparación con la CPL (52,5 mmHg frente a 42,5 mmHg, P < 0,001).
- El modelo XGBoost mejoró significativamente la precisión de la PPA de la PTV (coeficiente de correlación de Pearson = 0,94, P < 0,001).
- Los pacientes con una PPA media predicha ≥ 68,6 mmHg tuvieron una incidencia sustancialmente mayor de puntos finales compuestos a los 2 años (40,7 % frente a 16,0 %, P < 0,001).
Conclusiones:
- El modelo XGBoost mejora eficazmente la precisión de las mediciones ecocardiográficas de la PPA durante TAVR en anillos pequeños.
- Una PPA predicha elevada, medida con precisión, se asocia con un peor pronóstico en pacientes con TAVR.
- La mejora de la precisión de la medición de la PPA puede ayudar a una mejor selección de pacientes y estratificación del riesgo para TAVR.
