通过人工智能来评估右心室与肺动脉的合,这些患者接受了跨导管三管干预
Vera Fortmeier1, Mark Lachmann2,3, Lukas Stolz3,4
1Department of General and Interventional Cardiology, Heart and Diabetes Center North Rhine-Westphalia, Ruhr University Bochum, Georgstraße 11, 32545 Bad Oeynhausen, Germany.
European heart journal. Cardiovascular Imaging
|November 23, 2023
概括
人工智能使用心声学准确预测肺动脉压力,改善了在没有侵入性手术的情况下进行跨导管三门干预 (TTVI) 的风险评估. 这提高了严重三腹吐的患者的生存预测.
科学领域:
- 心脏病学 心脏病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 右心室与肺动脉 (RV-PA) 的合是严重三腹吐 (TR) 患者的预后标志,这些患者接受过导管三腹干预 (TTVI).
- 传统上,RV-PA合需要侵袭性右心导管治疗 (RHC) 来测量平均肺动脉压力 (mPAP).
- 三环状平面缩外流 (TAPSE) 是对右心室缩功能的心声测量.
研究的目的:
- 通过将TAPSE与mPAP相关联来完善RV-PA合概念.
- 开发一种人工智能 (AI) 模型,特别是一种极端梯度增强 (XGB) 算法,以使用标准心声学参数预测mPAP.
- 评估人工智能预测的mPAP和人工智能支持的RV-PA合在TTVI后预测死亡率中的预后价值.
主要方法:
- 一项多中心研究包括737名为重型TR接受TTVI的患者,其中55名为外部验证.
- 在10个心声回声学参数上训练了一个XGB算法,以预测mPAP.
- 使用TAPSE/mPAP预测并与TAPSE/sPAPechocardiography进行比较来评估RV-PA合.
主要成果:
- 在XGB算法可靠地预测mPAP从心声回声数据 (皮尔森相关性R:0.68).
- 人工智能预测的mPAP与心声图估计相比,在2年死亡率方面具有更好的预后价值 (AUC:0.607与0.520).
- 与传统方法相比,人工智能支持的RV-PA合 (TAPSE/mPAP预测) 更好地预测了TTVI后的2年死亡率和存活率.
结论:
- 人工智能驱动的RV-PA合评估完善了TTVI之前的风险分层,消除了对侵入性RHC的需求.
- 这种人工智能方法提供了一种非侵入性方法,可以提高在接受TTVI的重症TR患者的预后准确性.
- 需要进一步的研究来比较人工智能引导的TTVI与保守的管理,以充分量化治疗效益.
