使用机器学习来增强预测导管切除后心房的复发
Mark S Brahier1,2, Fengwei Zou3, Musa Abdulkareem4,5,6
1Georgetown University Medical Center Washington DC USA.
Journal of arrhythmia
|December 4, 2023
概括
对心脏计算机断层扫描 (cCT) 的深度学习分析确定了左心房体积指数 (LAVi) 作为心房 (AF) 经过切除后复发的关键预测因子. 高LAVi和早期复发显著增加了晚期AF复发的风险.
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:
- 对于心房动 (AF) 的传统风险评分,经过切除后的复发,其准确性有限.
- 心脏成像和深度学习显示出改善AF复发预测的希望.
研究的目的:
- 评估深度学习衍生的左心房体积指数 (LAVi) 在导管切除后AF复发的预测能力.
- 通过使用先进的分析方法,识别晚期AF复发的关键预测因素.
主要方法:
- 患有症状,药物耐药性AF的患者接受了前移除心脏计算机断层扫描 (cCT).
- 一个深度学习算法计算了左心房体积指数 (LAVi).
- 随机生存森林和考克斯回归分析确定了早期和晚期AF复发的预测因素.
主要成果:
- 左心房体积指数 (LAVi) 和早期复发是晚期AF复发的最重要因素.
- 独立预测因素包括LAVi,早期复发,他类药物的使用,β-阻断剂的使用,以及洞穴皮脉的切除.
- 患有LAVi>66.7mL/m2和早期复发的患者,晚期复发的风险增加了>4倍.
结论:
- 来自cCT的深度学习衍生LAVi是晚期AF复发的关键程序前预测因素.
- 升高的LAVi和早期复发的结合大大增加了晚期AF复发的风险.
