基于TAVR后NT-proBNP短期变化的机器学习模型的临床意义
Yu Mao1, Mengen Zhai1, Ping Jin1
1Department of Cardiovascular Surgery, Xijing Hospital, Xi'an, Shaanxi, China.
International journal of cardiology. Heart & vasculature
|August 18, 2025
概括
跨导管大动脉置换后NT-proBNP水平的差异比率 (DR) 有效预测患者的预后. 使用DR的机器学习模型在预测不良事件和指导治疗管理方面表现出高准确性.
科学领域:
- 心血管医学 心血管医学
- 生物标志物研究 生物标志物研究
- 医疗技术 医疗技术 医学技术
背景情况:
- 过导管大动脉置换 (TAVR) 是对大动脉狭窄的一个关键干预措施.
- 对NT-proBNP等心脏生物标志物的监测对于术后评估至关重要.
- 在TAVR之后,NT-proBNP的动态变化可能会提供预后见解.
研究的目的:
- 在TAVR之后调查NT-proBNP的短期动态变化.
- 使用机器学习评估NT-proBNP变化的预后效用.
主要方法:
- 从基线,30天和6个月后续数据计算的NT-proBNP差异比率 (DR).
- 根据DR值 (DR-1至DR-4) 将患者分为四组.
- 开发了一种用于初级终点预测的随机森林机器学习模型.
主要成果:
- 在DR组之间观察到4年初级终点率的显著差异 (p < 0.001).
- 机器学习模型实现了高性能指标 (AUC 0.984,精度 0.993).
- 该模型在外部验证队列中显示出强大的性能.
结论:
- NT-proBNP的DR是评估TAVR后预后的一个有价值的指标.
- 结合DR的机器学习模型有助于预测不良事件.
- 这种方法支持TAVR后改善治疗管理和患者护理.


