面向经济器械瓣处方的最优策略：基于机器学习的 TAVR 手术方法
机器学习
2025-12-11 v1 人工智能
摘要
经济器械瓣置换 (TAVR) 已成为治疗严重主动脉狭窄的 minimally invasive 手段,这是一种危及生命的心血管疾病。已获批准用于 TAVR 的多种经济器械心脏瓣 (THV),但当前关于瓣类型处方的指南仍是活跃讨论的话题。我们提出一种数据驱动的临床支持工具,用于识别旨在最小化永久性起搏器植入 (PPI) 风险的 optimal 瓣类型,后者是手术后主要的并发症之一。我们合成了一个新的数据集,将美国和希腊患者 Population 整合在一起,并整合三个不同数据来源 (患者人口学特征、CT 扫描、超声心动图),同时 harmonize 各国记录系统之间的差异。我们引入叶级分析,以利用 Population 异质性,避免对不确定的反事实风险估计进行基准比较。最终的处方模型在 internal U.S. Population 和 external Greek 验证 cohort 中分别将 PPI 率降低了 26% 和 16%。在我们知识的水平上,本工作代表了 TAVR 中 THV 选择的第一个统一、个性化处方策略。
引用
@article{arxiv.2512.09198,
title = {Towards Optimal Valve Prescription for Transcatheter Aortic Valve Replacement (TAVR) Surgery: A Machine Learning Approach},
author = {Phevos Paschalidis and Vasiliki Stoumpou and Lisa Everest and Yu Ma and Talhat Azemi and Jawad Haider and Steven Zweibel and Eleftherios M. Protopapas and Jeff Mather and Maciej Tysarowski and George E. Sarris and Robert C. Hagberg and Howard L. Haronian and Dimitris Bertsimas},
journal= {arXiv preprint arXiv:2512.09198},
year = {2025}
}