在患有持续性心房的患者中,对导管切除结果的多模式预测
Zhan Zhou1, Yanjie Chen2, Fengxiang Zhang2
1School of Mathematics, Southeast University, Nanjing, 211189, China; Jiangsu Provincial Key Laboratory of Networked Collective Intelligence, Southeast University, Nanjing, 211189, China; Department of Mechanical Engineering, Politecnico di Milano, Milan, 20156, Italy.
概括
一个新的多式模式准确地预测了使用心电图像和患者数据进行导管切除后心房动 (AF) 的复发. 这种方法提高了持续性AF (psAF) 患者的预测准确度,有助于早期干预并降低中风风险.
科学领域:
- 心脏病学 心脏病学
- 医疗信息学 医疗信息学
- 人工智能在医学中的应用
背景情况:
- 在持久性AF (psAF) 患者中,复发性心房动 (AF) 后导管切除是常见的,增加了中风和心力衰竭的风险.
- 目前对切除成功的预测模型缺乏准确性和稳定性,这是由于切除后AF的多因素性质造成的.
研究的目的:
- 开发和验证一个多式预测模型,用于切除后的AF复发.
- 提高在psAF患者中预测成功导管切除结果的准确性和稳定性.
主要方法:
- 一个新的多式预测模型,集成心电图 (ECG) 图像,细胞特征,手术内和人口统计数据.
- 一种双模块心电图处理方法 (图像和时间模块) 用于时空特征提取.
- 一个临床-手术内数据集成模块和一个多模式变压器,具有功能融合的动态加权.
主要成果:
- 拟议的模型实现了0.9079.9的预测准确度.
- 该模型得到的曲线下的面积 (AUC) 为0.8690.0.
- 在预测切除后AF复发方面表现出显著的有效性.
结论:
- 多式预测框架提供了一种全面的方法,用于识别高风险的psAF患者的AF复发后去除.
- 该模型的有效性支持早期干预策略,以减轻诸如中风和心力衰竭等不良结果.
