整合传统的统计数据和可解释的机器学习,用于脉冲场切除后心房的复发风险分层:一个产生假设的单中心研究
Haoqing Ren1,2, Hengli Lai3
1Jiangxi Medical College, Nanchang University, Nanchang, China.
BMC cardiovascular disorders
|March 14, 2026
概括
在心房动 (AF) 脉冲场切除 (PFA) 后预测复发是很困难的. 手术前的NT-proBNP水平可能有助于识别患有AF复发后PFA风险较高的患者.
科学领域:
- 心脏病学 心脏病学
- 医疗技术 医疗技术 医学技术
- 数据科学数据科学数据科学
背景情况:
- 预测脉冲场切除 (PFA) 后对心脏动 (AF) 的复发是具有挑战性的,特别是在早期患者中.
- 来自射频废除时代的传统风险评分可能不适用于PFA及其患者概况.
研究的目的:
- 在PFA后确定AF复发的预测因子.
- 评估可解释机器学习 (XAI) 在小样本中预测PFA结果的实用性.
主要方法:
- 对92名患者进行回顾性研究,他们首次接受PFA治疗 Paroxysmal AF.
- 使用考克斯回归和随机森林模型与XAI (变量重要性,SHAP) 进行预测.
- 通过十倍交叉验证和引导重新抽样进行内部验证;通过校准,歧视 (AUC) 和DCA评估性能.
主要成果:
- 14.1%的患者在中位数28个月的随访期间经历了AF复发.
- 术前日志 ((NT-proBNP) 被确定为一个潜在的独立预测因子 (HR=2.15,P=0.008).
- 使用NT-proBNP,光镜时间和左心房直径的探索性风险分层差异化复发风险 (Log-rank P<0.001).
结论:
- 手术前的NT-proBNP是PFA复发的候选预测因子.
- 在这个领域,XAI框架可以帮助进行小样本分析.
- 结果是初步的,需要在更大,潜在的队列中进行验证;需要PFA特定的预测工具.


