Artificial intelligence for individualized treatment of persistent atrial fibrillation: a randomized controlled trial
Notice bibliographique
Résumé
Although pulmonary vein isolation (PVI) has become the cornerstone ablation procedure for atrial fibrillation (AF), the optimal ablation procedure for persistent and long-standing persistent AF remains elusive. Targeting spatio-temporal electrogram dispersion in a tailored procedure has been suggested as a potentially beneficial alternative to a conventional PVI-only procedure. In this multicenter, randomized, controlled, double-blind, superiority trial, patients with drug-refractory persistent AF were randomly assigned to a tailored ablation procedure targeting areas of spatio-temporal dispersion, as detected by an artificial intelligence (AI) algorithm, in addition to PVI (tailored arm, n = 187, 23% women) or to a conventional PVI-only procedure (anatomical arm, n = 183, 19% women). The primary efficacy endpoint was freedom from documented AF with or without antiarrhythmic drugs at 12 months after a single ablation procedure. Secondary endpoints included freedom from any atrial arrhythmic events, and the secondary composite safety endpoint consisted of death, cerebrovascular events, or treatment-related serious adverse events. One year post-procedure, the trial met its primary efficacy endpoint, which was achieved in 88% of patients in the tailored arm compared with 70% of patients in the anatomical arm (log-rank P < 0.0001 for superiority). However, no significant difference between arms was observed for the freedom from any atrial arrhythmia endpoint after one ablation. The safety endpoint did not differ between arms, with procedure and ablation times being twice as long in the tailored arm. These results show that AI-guided ablation of spatio-temporal dispersion areas in addition to PVI is superior to PVI alone in eliminating AF at 1-year follow-up in patients with persistent and long-standing persistent AF. Ablation of subsequent organized atrial tachycardias may be needed to maintain sinus rhythm long term. ClinicalTrials.gov identifier: NCT04702451 .
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».