人工智能在慢性全闭塞重血管化中的应用:从现在到未来 - - 一篇叙述性综述
Velina Doktorova1, Georgi Goranov1, Petar Nikolov1
1First Department of Internal Diseases, Section of Cardiology, Medical University of Plovdiv, 4000 Plovdiv, Bulgaria.
Medicina (Kaunas, Lithuania)
|December 31, 2025
概括
人工智能 (AI) 和机器学习 (ML) 显著改善了复杂的慢性全遮 (CTO) 皮肤冠状动脉干预 (PCI) 程序的预测. 与传统方法相比,这些人工智能工具提供了卓越的诊断和预后见解,为增强患者护理铺平了道路.
科学领域:
- 干预心脏病学 干预心脏病学
- 人工智能在医学中的应用
- 机器学习用于医疗保健
背景情况:
- 慢性全封闭 (CTO) 穿皮冠状动脉干预 (PCI) 是一种复杂的心脏病程序,结果各不相同.
- 现有的血管图谱得分 (J-CTO,PROGRESS-CTO) 对CTO PCI的预测准确性有限.
- 人工智能和机器学习 (ML) 通过整合多式联网数据提供了增强洞察力的潜力.
研究的目的:
- 审查AI/ML在CTO PCI中的应用,重点是诊断成像,程序规划和预后建模.
- 将AI/ML模型的预测准确度与CTO PCI中的传统得分和方法进行比较.
主要方法:
- 从2010年1月到2025年9月使用PubMed,Scopus和Web of Science对文学进行结构化的叙事审查.
- 将AI/ML的经过同行评审的原始研究,评论和元分析纳入CTO PCI.
- 从330个记录的初始查中选择的33项研究的定性综合.
主要成果:
- 在诊断成像中的AI实现了高精度 (AUC高达0.87用于CTO检测) 和细分可重现性 (>95%).
- 机器学习算法在程序预测中表现优于传统得分 (AUC 0.73-0.82与0.62-0.70).
- 人工智能预后模型 (CatBoost,神经网络) 显示出优异的5年死亡率预测 (AUCs 0.83-0.84),强调并发症和功能状态作为关键预测因素.
结论:
- 人工智能代表了CTO PCI的范式转变,比传统的风险模型提供了更高的准确性.
- 人工智能可以为CTO PCI提供更准确,以患者为中心的风险预测.
- 进一步发展联合学习,多模式集成和可解释的人工智能对于临床翻译至关重要.
