使用基于虚拟双胞胎的人工智能模型来检测心房动并改善中风结果 [TAILOR]:多中心前性队列研究
Evi J van Kempen1, Joan Jiménez-Balado2, Jordi Jiménez-Conde3
1Department of Neurology, Radboud Institute of Medical Innovation, Donders Institute for Brain, Cognition and Behavior, Radboud University Medical Centre, Nijmegen, The Netherlands.
BMJ open
|December 25, 2025
概括
该TAILOR研究使用人工智能 (AI) 和监测设备来改善早期检测心房动 (AF),这是中风的关键原因. 这项研究还探索了新的MRI标记物和AI模型,以更好地预测AF相关中风患者的结果.
科学领域:
- 心脏病学 心脏病学
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 心房动 (AF) 是心血管血栓性中风的主要原因,导致严重的后果.
- 早期AF检测对于二次中风的预防至关重要,但由于无症状或发作性质,具有挑战性.
- 人工智能 (AI) 通过整合各种患者数据,为个性化风险评估提供了新的方法.
研究的目的:
- 使用监测设备前性检测心房动 (AF).
- 在AF相关中风 (AFRS) 患者中研究新的预后磁共振成像 (MRI) 标志物.
- 验证人工智能驱动的"数字双胞胎"模型,用于预测AFRS患者的结果.
主要方法:
- 对40岁以上神经成像证实缺血性中风患者进行前性多中心观察队列研究.
- 第1次子研究 (n=300):临床评估和心脏监测 (基于贴片或霍尔特) 在基线,3个月和12个月.
- 第二次子研究 (n=200):AFRS后重复脑部MRI和认知评估;对回顾性数据的AI模型的前性评估.
主要成果:
- 这个部分不在所提供的摘要中.
结论:
- 这个部分不在所提供的摘要中.
