使用人工智能预测压力梯度用于跨导管大动脉更换

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:

• 过导管大动脉置换 (TAVR) 是对大动脉狭窄的关键治疗方法.
• 评估TAVR的有效性依赖于术后的指标,例如平均跨膜压力梯度.
• 预测工具可以优化患者选择和程序结果.

研究的目的:

• 开发人工智能 (AI) 模型来预测TAVR后的大动脉压梯度和大动脉面积.
• 为了这些预测,利用手术前心声学和计算机断层扫描数据.

主要方法:

• 对1091名接受TAVR治疗的大动脉狭窄症的患者进行了回顾性分析.
• 开发和测试两种AI学习模型:一种是压力梯度,一种是大动脉膜面积.
• 模型被训练,验证和测试在不同的患者队列上.

主要成果:

• 人工智能模型的平均绝对误差为压力梯度为3.0mmHg,大动脉膜面积为0.45cm2.
• 压力梯度的关键预测因素包括门盖的大小,身体表面积和年龄.
• 大动脉膜面积的顶级预测因素是膜盖的大小,左心室喷射率和大动脉环的平均直径.

结论:

• 基于人工智能的算法显示出在大动脉缩患者中预测TAVR后压力梯度的巨大潜力.
• 人工智能模型的稳定性得到了证实,培训数据集超过500名患者.
• 需要进一步的研究来完善不同门类型的预测.