相关实验视频
Updated: Nov 2, 2025

Multimodality Diagnosis of Mesenteric Ischemia
Published on: July 21, 2023
基于人工智能的多种模式,在患有严重大动脉狭窄症的患者中检测特兰西氨酸氨基酸心肌病
Isaac Shiri1, Sebastian Balzer1, Giovanni Baj1,2
1Department of Cardiology, Inselspital Bern University Hospital, University of Bern, Freiburgstrasse, Bern, CH - 3010, Switzerland.
人工智能模型可以在TAVI之前有效地检测Transthyretin amyloid心肌病变 (ATTR-CM) 在严重的大动脉狭窄 (AS) 患者中. 这些人工智能工具为传统的诊断方法 (如光摄影) 提供了一个有希望的替代方案.
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:
- 晶氨基酸性心肌病变 (ATTR-CM) 通常与严重的大动脉狭窄 (AS) 并存,但经常未被诊断出来.
- 早期检测ATTR-CM对于适当的患者管理至关重要,特别是在那些接受过导管大动脉植入 (TAVI) 的患者中.
研究的目的:
- 评估人工智能 (AI) 模型在检测ATTR-CM中的有效性,使用常规收集的TAVI前数据.
- 基于ATTR-CM检测的各种数据模式来比较AI模型的性能.
主要方法:
- 一项前性研究选了263名患有严重AS的患者,使用[99mTc]-DPD光学扫描.
- 机器学习模型是使用临床,实验室,心电图,心声学,侵入性,4D-CT菌株和CT放射性数据开发的.
- 在训练 (70%) 和测试 (30%) 数据集中使用AUC,灵敏度和特异性来评估模型性能.
主要成果:
- 在10.3%的患者中证实了ATTR-CM.
- 4D-CT菌株成像显示了ATTR-CM检测的最高性能 (AUC为0.85).
- 人工智能模型,特别是使用4D-CT菌株的AI模型,有效地检测到ATTR-CM并预测死亡率,而从单独使用4D-CT菌株的多模式集成中没有显著的好处.
结论:
- 使用TAVI前数据的基于AI的模型提供了一种有效的方法来检测严重AS患者的ATTR-CM.
- 这些人工智能模型代表了用于ATTR-CM诊断的阴影影像和心肌活检的可行替代方案.
相关概念视频
Cardiomyopathy III: Hypertrophic Cardiomyopathy
Rheumatic Heart Disease II: Clinical Manifestations and Diagnostic Studies
Mitral Stenosis II: Clinical features and Diagnostic Tests
Imaging Studies for Cardiovascular System V: CT
Acute Coronary Syndrome III: Diagnostic Studies
Aortic Regurgitation II: Clinical Features and Diagnostic Tests

