相关实验视频
Updated: Jan 10, 2026
08:51
A New Murine Model of Endovascular Aortic Aneurysm Repair
Published on: July 7, 2013
14.7K
使用机器学习进行窗体分支内血管大动脉修复的学习曲线:一项前性的国家多中心注册研究
Hassan Chamseddine1, Mouhammad Halabi2, Alexander Shepard2
1Division of Vascular Surgery, Department of Surgery, Henry Ford Hospital, Detroit, MI; Division of Vascular Surgery, Department of Surgery, University Hospitals-Case Western Reserve University, Cleveland, OH.
Journal of vascular surgery
|November 20, 2025
概括
窗体分支内血管大动脉修复 (F-BEVAR) 的学习曲线显示,外科医生在40-70个病例后才达到熟练程度. 这一基准有助于确保F-BEVAR在复杂的大动脉动脉瘤中安全扩张.
科学领域:
- 血管外科 血管外科
- 医疗器械技术 医疗器械技术
- 医疗保健中的机器学习
背景情况:
- 窗格分支内血管大动脉修复 (F-BEVAR) 是复杂的腹部和胸腔腹部大动脉动脉瘤 (TAAA) 的复杂程序.
- 显著的外科经验和技术技能对于成功的F-BEVAR结果至关重要.
研究的目的:
- 使用机器学习分析F-BEVAR的学习曲线.
- 为了建立一个基准的外科医生熟练的F-BEVAR复杂的大动脉动脉瘤.
主要方法:
- 一个深度学习神经网络模型分析了来自血管外科协会血管质量倡议的数据.
- 我们使用了539名外科医生的5540次F-BEVAR手术 (2014-2024) 的患者数据.
- 结果包括死亡率,技术成功和重大不良事件 (MAE).
主要成果:
- MAE的发病率从31%下降到18%,停滞在40-70例之间.
- 技术成功率从91%增加到97%,在40-70个案例后停滞在96%上.
- 死亡率,再干预率,手术时间,血液损失和光镜时间都随着经验的增长而减少.
结论:
- 对于F-BEVAR的熟练水平平原通常在40到70个案例之间实现.
- 这些发现为采用F-BEVAR的外科医生和机构提供了一个基准.
- 该研究支持基于数据的指导方针,以确保F-BEVAR在全国范围内安全扩展.
