精确的TAVR量化-人工智能加速的TAVR规划可以将双主动脉狭窄的评估时间减少80%

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 医疗器械技术 医疗器械技术

背景情况:

• 双主动脉 (BAV) 狭窄症在跨导管主动脉置换 (TAVR) 计划中提出了独特的挑战.
• 目前的方法缺乏有效的自动化算法,用于精确的BAV解剖评估.

研究的目的:

• 开发和验证 Cardioverse,这是第一个完全自动化的深度学习算法,用于在 TAVR 规划中进行 BAV 解剖评估.
• 为了评估算法的准确性,效率和性能在不同的BAV表型.

主要方法:

• 这是一项大规模的多中心回顾性研究,涉及1147名接受TAVR的BAV患者.
• 在患者队伍中对 Cardioverse 算法进行培训和内部/外部验证.
• 评估细分性能,工作流效率 (时间,交互,手工工作量) 和测量准确度.

主要成果:

• 卡迪奥维斯实现了卓越的细分性能 (迪斯系数>0.97).
• 显著提高工作流程效率:评估时间减少80%,用户交互减少85%,手工工作减少87% (P < 0.001).
• 在所有BAV表型中保持了高精度 (关联系数>0.91对于关键测量).

结论:

• Cardioverse 提供了一种经过验证,准确和高效的解决方案,用于 BAV 患者的前TAVR 评估.
• 该算法将评估时间缩短到5分钟以下,解决了快速可靠的BAV评估的需求.
• 它的强大性能提高了TAVR规划的一致性,用于各种BAV表型.