中新網(wǎng)上海新聞4月1日電(記者 陳靜)記者1日獲悉，上海交通大學醫(yī)學院附屬新華醫(yī)院兒心臟中心孫錕團隊在《Lancet Digital Health》雜志在線發(fā)表了最新研究成果。該研究提出了一種基于人工智能(AI)的模型，結合自然語言處理(NLP)和機器學習，旨在提高膜周部室間隔缺損(PMVSD)兒童患者自然閉合的預測能力，進而為臨床治療決策提供新的支持。

　　據(jù)悉，室間隔缺損(VSD)是兒童先天性心臟病的首位病因，約占所有先心病的20%-30%，其中膜周部室間隔缺損(PMVSD)是最常見的亞型。PMVSD指心臟左右心室之間的間隔在膜周區(qū)域存在缺損，導致血液異常分流。約20%-30%的PMVSD患兒的心臟缺損會隨年齡增長自行愈合，但仍有約70%-80%的患兒需要手術或介入治療干預。因此，對自然閉合的預測對于臨床治療至關重要。

　　然而，現(xiàn)有的預測模型通常依賴于結構化的超聲心動圖參數(shù)或有限的數(shù)據(jù)集，存在較大的預測誤差。本研究通過人工智能技術，利用NLP從超聲心動圖報告和病歷中提取結構化數(shù)據(jù)，并結合機器學習方法，提出了一個新的預測模型。

　　研究團隊使用了來自中國六個三級醫(yī)院的29,142名PMVSD患者的回顧性數(shù)據(jù)。數(shù)據(jù)集被分為訓練集、驗證集和測試集，并通過NLP技術從原始報告中提取了關鍵預測因子。隨機生存森林算法(RSF)被用來構建預測模型，評估了自然閉合的發(fā)生概率和時間。結果顯示，該模型在1年、3年和5年的預測中均表現(xiàn)出色，驗證集和測試集的AUC分別達到了0.95、0.95和0.95，測試集的1年、3年和5年AUC分別為0.95、0.97和0.98。此外，模型還通過決策曲線分析、校準和風險分層展示了高度的臨床實用性，并在不同中心和患者亞組中保持一致的準確性。

　　本論文通訊作者、上海交通大學醫(yī)學院附屬新華醫(yī)院院長、小兒心血管學科帶頭人孫錕教授表示，這項研究為PMVSD患者的管理提供了一種新的預測工具，其AI驅(qū)動的預測模型不僅可以準確預測自然閉合的時間，還能幫助臨床醫(yī)生更好地決策治療方案，減少因延誤或不適當治療帶來的風險，改善患者臨床結局。同時，模型的自動化工作流程使其具有較強的可擴展性，并且能夠在多個醫(yī)院之間共享和整合數(shù)據(jù)，提升其在不同臨床環(huán)境中的應用潛力。

　　該論文的第一作者是新華醫(yī)院兒心臟中心孫晶副主任醫(yī)師，交大醫(yī)學院臨床研究中心馮鐵男博士和新華醫(yī)院兒心臟中心王博博士為共同第一作者；通訊作者為新華醫(yī)院兒心臟中心孫錕教授，新華醫(yī)院臨床研究與創(chuàng)新中心孫新主任為共同通訊作者。

注：請在轉(zhuǎn)載文章內(nèi)容時務必注明出處!   

編輯：陳靜