左心房形态的数据驱动分类及其对心房动导管切除的预测影响
1Department of Cardiology, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, China.
Journal of cardiovascular electrophysiology
|February 29, 2024
概括
机器学习在心房动 (AF) 患者中确定了独特的左心房 (LA) 解剖现象. 这些LA形态组预测了切除后复发风险,有助于临床决策.
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:
- 左心房 (LA) 解剖变异影响心房动 (AF) 复发后的消去.
- 需要对LA形态学的全面分析,以获得新的见解.
- 机器学习可以根据LA解剖学识别AF患者的表型.
研究的目的:
- 开发一种可解释的机器学习模型,通过LA解剖形态来对AF患者进行分类.
- 识别不同的LA形态表型及其与剥离后结果的关联.
主要方法:
- 无监督学习适用于509名AF患者3DCT重建的57个形态参数.
- 患者被分为三个不同的形态组.
- 分析包括培训 (n=369) 和外部验证 (n=140) 集.
主要成果:
- 确定了三个不同的LA形态组,预后明显不同 (p < .001).
- 形态分组独立地预测了1年的AF复发 (HRs3.00-4.68).
- 外部验证证实了研究结果的可靠性.
结论:
- 无监督学习有效地分类LA形态.
- LA形态分组有助于识别患有不同风险的患者.
- 这种方法支持针对AF切除的个性化临床决策.
更多相关视频
08:10Estimating Bilateral Atrial Function by Cardiovascular Magnetic Resonance Feature Tracking in Patients with Paroxysmal Atrial Fibrillation
Published on: July 20, 2022
1.7K
04:29Author Spotlight: Advancements in Intracardiac Echocardiography for Atrial Anatomy Assessment
Published on: June 30, 2023
900
