在急性A型大动脉剖析中治疗急性肺损伤的基于炎症特征的治疗药物

科学领域:

• 心血管外科心血管外科
• 关键护理医学 关键护理医学
• 医疗人工智能 医疗人工智能

背景情况:

• 急性肺损伤 (ALI) 是急性甲型大动脉剖析 (ATAAD) 手术后的一种严重并发症.
• 有效的风险分层和有针对性的干预措施对于在ATAAD患者中管理ALI至关重要.

研究的目的:

• 开发和验证人工智能驱动的ALI在ATAAD患者中的风险预测模型.
• 根据个性化的ALI风险,研究抗炎策略,特别是乌利纳斯他丁的疗效.

主要方法:

• 利用来自中国5A研究数据库 (2016-2022) 的大规模队列 (2499名患者).
• 采用极端梯度增强算法来构建和验证ALI风险模型.
• 应用后勤回归来评估不同风险概率下的治疗效应.

主要成果:

• 通过使用八个关键特征,ALI风险模型证明了充分的歧视 (AUC 0.844导出,0.799验证).
• 在预测ALI风险为32.5-73.0%的患者中,乌利纳斯的使用显着与ALI风险降低相关 (OR0.623).
• 在预测较低 (<32.5%) 或较高 (>73.0%) 的风险组 (OR 0.929) 中,没有观察到乌利纳斯塔丁的显著益处.

结论:

• 一个人工智能驱动的模型有效地对ATAAD患者的ALI风险进行分层.
• 根据预测的ALI风险,个人化抗炎治疗策略,如乌利纳斯塔丁,是合理的.
• 这些发现突显了在ATAAD之后的ALI中抗炎治疗反应的异质性.