用于改善腹腔动脉冲动 (SURFIRE-VT) 的切除指导的Surpoint算法:一个试点研究

科学领域:

• 心脏病学 心脏病学
• 电子生理学 电子生理学
• 医疗器械 医疗器械

背景情况:

• 除指数 (AI) 在指导心室动脉冲动 (VT) 移除结构性心脏病患者的疗效尚不清楚.
• 这项研究旨在比较人工智能引导的 (目标550) 与与痕相关的静脉瘤切除的传统方法.

研究的目的:

• 与非AI引导的方法相比,评估人工智能引导的静脉除的程序特征和临床结果.
• 评估人工智能对手术持续时间,射频时间和痕相关静脉切除患者结果的影响.

主要方法:

• 对74名患者的倾向匹配分析 (37名人工智能指导,37名非人工智能指导) 接受了2017-2022年间的静脉切除术.
• 分析了4707个病变,以评估病变特征和程序参数.
• 使用线性回归和Cox比例危险模型来评估废除特征和临床结果.

主要成果:

• 人工智能引导的切除导致了显著缩短的程序持续时间 (21%的减少) 和每病变的射频时间 (49%的减少).
• 在AI组中,液体的使用也较低 (21%的减少).
• 两组都显示出类似的急性手术成功率和静脉瘤复发,病变分析表明阻抗下降高原在AI 550-600.

结论:

• 与痕相关的VT的人工智能引导的切除与改善的程序效率有关,包括更短的程序和射频时间.
• 人工智能策略表明,与传统方法相比,急性手术和中期临床结果相似.
• 这项试点研究表明,人工智能是优化结构性心脏病中静脉切除术的可行选择.