术前CT血管造影和机器学习用于通过导管切换大动脉置换后的死亡率预测
Jacek Kwiecinski1, Kajetan Grodecki2, Konrad Pieszko3
1Department of Interventional Cardiology and Angiology, Institute of Cardiology, Warsaw, Poland.
Progress in cardiovascular diseases
|April 23, 2025
概括
使用手术前计算机断层扫描 (CT) 扫描的机器学习准确地预测了跨导管大动脉置换 (TAVR) 后的一年死亡率. 这种先进的成像方法优于TAVR预测结果的传统临床风险得分.
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:
- 预测用于大动脉狭窄的跨导管大动脉置换 (TAVR) 后的结果是复杂的,受退行和心肌重塑的影响.
- 目前的风险分层方法可能无法完全捕捉患者的预后.
研究的目的:
- 评估使用手术前计算机断层扫描 (CT) 的机器学习模型,以预测TAVR后的一年死亡率.
- 将CT集成机器学习的性能与现有的临床风险得分进行比较.
主要方法:
- 机器学习 (极端梯度提升) 训练了临床变量和CT衍生成像数据 (心肌质量,门特征).
- 该模型在来自三个国际站点的数据上进行了外部验证.
- 性能与EuroScore II和仅基于临床数据的机器学习分数进行了比较.
主要成果:
- 集成CT数据的机器学习模型在外部验证中实现了0.79的接收机操作员曲线下的面积.
- 这显著超过了EuroScore II (0.59) 和仅基于临床数据的模型 (0.64) (p < 0.001).
结论:
- 结合临床数据和CT成像特征的机器学习有效预测TAVR后1年的全因死亡率.
- 这种方法比单独的临床变量或得分提供了优越的预后风险识别,有助于在手术前对患者进行选择.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.1K
09:57Four-Dimensional Computed Tomography-Guided Valve Sizing for Transcatheter Pulmonary Valve Replacement
Published on: January 20, 2022
2.5K
