人工智能在风险分层和结果预测中用于跨导管大动脉置换:系统性审查和元分析

科学领域:

• 心脏病学 心脏病学
• 医疗信息学 医疗信息学
• 人工智能的人工智能

背景情况:

• 过导管大动脉置换 (TAVR) 是一种对严重大动脉狭窄的微创治疗方法.
• 准确预测TAVR后的结果对于患者管理至关重要.
• 人工智能 (AI) 为TAVR提供了增强预测能力的潜力.

研究的目的:

• 系统地审查和元分析人工智能应用的证据,以预测TAVR后的结果.
• 评估各种机器学习算法在TAVR患者风险分层中的性能.

主要方法:

• 一项全面的文献搜索发现了应用人工智能方法来对TAVR风险分层的研究.
• 评估了机器学习算法 (例如随机森林,神经网络,梯度增强,SVM).
• 包括AUC,精度和回忆在内的性能指标被收集并进行元分析.

主要成果:

• 分析了43项涉及366,269名TAVR患者的研究.
• 人工智能模型表现出所有原因死亡率 (AUC=0.78),心脏起器植入 (AUC=0.75) 和主要心血管不良事件 (AUC=0.79) 的强大预测性能.
• 整合临床数据,成像和生物标志物改善了AI模型的预测准确性.

结论:

• 基于人工智能的TAVR并发症风险预测显示出显著的前景.
• 使用外部数据集进一步验证这些AI模型对于临床实施至关重要.