人工智能判断的时空分散:持续性心房的患者独特的指纹
Julien Seitz1, Théophile Mohr Durdez2, Sabine Lotteau2
1St. Joseph Hospital, Marseille, France.
Heart rhythm
|January 12, 2024
概括
人工智能判断的分散范围和分布 (AI-DED) 是每个持久性心房动 (PsAF) 患者的独特特征. 这种AI-DED与临床因素或程序结果无关,为PsAF切除提供了个性化的方法.
科学领域:
- 心脏病学 心脏病学
- 医疗技术 医疗技术 医学技术
- 人工智能在医学中的应用
背景情况:
- 持续性心房动 (PsAF) 管理受益于量身定制的废除策略.
- 描述PsAF的时空分散的范围和分布至关重要,但研究不足.
- 了解患者特定的分散模式可以优化除结果.
研究的目的:
- 为了确定人工智能判断的分散范围和分布 (AI-DED) 是否对每个PsAF患者来说都是独一无二的.
- 研究AI-DED与常见的临床和程序参数的独立性.
- 建立AI-DED作为PsAF的潜在患者特异性生物标志物.
主要方法:
- 使用VX1软件对来自Ev-AIFib研究的78名PsAF患者进行AI-DED量化.
- 采用了AI-DED的视觉区域特征和自动化全球量化.
- 分析了配对子区域的欧几里德距离测量,以评估AI-DED的独特性.
主要成果:
- 人工智能-DED显示出显著的患者独特变异性 (平均距离5.07 ± 0.60).
- 在AI-DED水平和AF类型 (R2 = 0.006) 或AF史 (R2 = 0.03) 之间没有发现相关性.
- 高水平的AI-DED并没有对手术成功 (AF终止) 或长期结果 (免受AF/心房动脉冲动) 产生负面影响.
结论:
- 在PsAF中的时空分散表现出非随机的,患者独特的分布.
- AI-DED 作为 PsAF 基质的程序可实现指纹.
- 这种由人工智能驱动的方法为PsAF切除提供了一个新的,个性化的策略.
