机器学习如何预测BAV患者TAVR术后瓣周漏风险？2024最新模型验证

二叶主动脉瓣（BAV）是一种常见的先天性瓣膜发育不良。流行病学数据显示，与三叶主动脉瓣（TAV）患者相比，BAV 患者中中度主动脉瓣狭窄（AS）的发病率更高，且发病时间更早。此外，与 TAV 患者相比，AS 在 BAV 患者中出现得更早。经导管主动脉瓣置换术（TAVR）已成为 AS 患者的主流治疗方法。然而，BAV 患者常常伴有异常的主动脉解剖结构，包括椭圆形瓣环、不对称的瓣环钙化、非对称的瓣叶和升主动脉增宽。这些原因可能导致经导管心脏瓣膜（THV）尺寸不当、植入过深、同轴性差，从而增加瓣周漏（PVL）的发生率。先前的研究结果显示，BAV 患者中中度 PVL 的发生率显著高于 TAV 患者，这将严重影响患者的中期和长期预后。近年来，尽管新一代 THV 的应用减少了术后 PVL 的发生率，但仍然是最常见的术后并发症。此外，目前尚无有效的方法来识别此类患者的 PVL 风险因素。我们基于机器学习（ML）生成并验证了一个模型，用于预测 BAV 狭窄患者在 TAVR 后 PVL 的发生，该模型使用基线特征、影像学评估和手术信息。