通过使用机器学习方法对内心肌瘤活检进行多参数分析,改善了帕尔沃病毒B19阳性心力衰竭患者的风险评估

科学领域:

• 心脏病学 心脏病学
• 传染性疾病 传染性疾病
• 生物医学工程 生物医学工程

背景情况:

• 内心肌瘤活检 (EMB) 对于诊断无法解释的心力衰竭 (HF) 是至关重要的.
• 机器学习 (ML) 可能会改善HF患者的风险分层和治疗开始.
• 帕尔沃病毒B19 (B19V) 是已确定的心肌炎和心力衰竭的原因.

研究的目的:

• 开发和验证B19V阳性HF患者风险分层的ML模型.
• 为了确定关键的多参数EMB特征预测临床结果.
• 使用EMB数据评估ML模型的预测性能.

主要方法:

• 对263名B19V阳性HF患者的回顾性分析.
• 对炎症和传染性标记物的EMB分析.
• 应用ML算法 (逻辑回归,随机森林,SVM,梯度提升) 进行预后.

主要成果:

• 心脏内部炎症和B19V活性与不良结果相关 (HR3.50,p<0.001).
• 多参数EMB标志物与临床数据相结合,改善了预后性能 (AUC=0.724与0.667).
• 渐变增强ML在风险预测方面取得了高准确性 (AUC=0.926).

结论:

• 内心肌炎和B19V活性是HF患者死亡率和LV功能障碍的危险因素.
• 基于ML的预测工具使用多参数EMB数据准确预测临床结果.
• 该工具可以帮助评估B19V阳性HF患者的疾病进展和治疗决策.