在严重的大动脉狭窄症患者中选择大动脉置换方式的基于机器学习的预测模型
Ronpichai Chokesuwattanaskul1,2, Aisawan Petchlorlian3,4, Piyoros Lertsanguansinchai1,2
1Division of Cardiovascular Medicine, Department of Medicine, Faculty of Medicine, Center of Excellence in Arrhythmia Research, Chulalongkorn University, Bangkok 10330, Thailand.
Medical sciences (Basel, Switzerland)
|January 22, 2024
概括
机器学习准确地预测了手术性大动脉置换 (SAVR) 与大动脉狭窄的跨导管大动脉置换 (TAVR). 虚弱度得分是关键预测因素,使得这些重要心脏门手术的患者可以更好地选择.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 严重的大动脉狭窄症 (AS) 需要生物假肢替换,目前的选择包括手术大动脉替换 (SAVR) 和透气管大动脉替换 (TAVR).
- 选择最佳的门置换方式对于患者的治疗结果至关重要.
研究的目的:
- 评估基于机器学习的预测模型,用于在SAVR和TAVR之间进行选择.
- 确定影响这种选择过程的关键临床变量.
主要方法:
- 对415名患有AS的成年患者进行了分析,这些患者接受了主动脉置换.
- 使用LASSO和决策树模型与72个临床变量.
- 在混矩阵上使用预测准确度评估模型性能.
主要成果:
- 拉索模型实现了98%的准确性,确定脆弱性得分是最具预测性的变量.
- SAVR的主要预测因素包括低脆弱性得分和复杂的冠状动脉疾病.
- TAVR的关键预测因素包括高脆弱性得分,之前的冠状动脉旁路手术,化主动脉和慢性病.
结论:
- 机器学习模型在预测SAVR与TAVR选择方面表现出高准确度 (93-98%).
- 虚弱度评分是确定适当的大动脉置换策略的关键因素.
更多相关视频
06:51Author Spotlight: Development of a Minimally Invasive Large-Animal Model for Reliable and Reproducible Cardiovascular Research
Published on: October 20, 2023
1.1K
07:46Author Spotlight: Revolutionizing Remote Surgery with Augmented Reality and Robotics for Enhanced Precision and Accessibility
Published on: August 9, 2024
741
