大动脉形态的临床价值在转骨TAVR中:人工智能评估评估
Yu Mao1, Yang Liu1, Mengen Zhai1
1Department of Cardiovascular Surgery, Xijing Hospital, Xi'an, Shaanxi, China.
International journal of surgery (London, England)
|January 27, 2025
概括
使用接近指数 (IA) 对大动脉形态的人工智能分析可以预测转TAVR的程序性并发症. 这种以人工智能为驱动的方法有助于识别在TAVR程序期间患不良事件风险较高的患者.
科学领域:
- 心血管干预 心血管干预
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 大动脉门 (AA) 形态对膜移植 (TF) - 穿管大动脉置换 (TAVR) 结果的影响还未得到充分研究.
- 评估AA形态对于优化TF-TAVR程序和患者结果至关重要.
研究的目的:
- 使用人工智能算法来评估TF-TAVR患者的AA形态.
- 确定AA形态的预测值,特别是临床结果的方法指数 (IA).
主要方法:
- 对1480名用新一代门接受TF-TAVR的患者进行了回顾性分析.
- 深度学习用于AA测量和计算接近指数 (IA).
- 机器学习模型构建和外部验证用于预测分析.
主要成果:
- 该IA模型展示了预测能力,后勤回归实现了0.757.7的AUC.
- 外部验证证实了该模型的一致性性能.
- I A是主要程序事件的最强预测因素 (OR: 3.87,P < 0.001).
结论:
- 来自AA形态的AI分析的方法指数 (IA),可以预测TF-TAVR中的程序并发症.
- 这种人工智能驱动的指标有助于识别患有不良事件风险的患者,可能改善程序管理.
