Employment of Artificial Intelligence for an Unbiased Evaluation Regarding the Recovery of Right Ventricular Function after Mitral Valve Transcatheter Edge-to-Edge Repair
Notice bibliographique
Résumé
AIMS: Long-standing severe mitral regurgitation (MR) leads to left atrial (LA) enlargement, elevated pulmonary artery pressures, and ultimately right heart failure. While mitral valve transcatheter edge-to-edge repair (M-TEER) alleviates left-sided volume overload, its impact on right ventricular (RV) recovery is unclear. This study aims to use both conventional echocardiography and artificial intelligence to assess the recovery of RV function in patients undergoing M-TEER for severe MR. METHODS AND RESULTS: The change in RV function from baseline to 3-month follow-up was analysed in a dual-centre registry of patients undergoing M-TEER for severe MR. RV function was conventionally assessed by measuring the tricuspid annular plane systolic excursion (TAPSE). Additionally, RV function was evaluated using a deep learning model that predicts RV ejection fraction (RVEF) based on two-dimensional apical four-chamber view echocardiographic videos. Among the 851 patients who underwent M-TEER, the 1-year survival rate was 86.8%. M-TEER resulted in a significant reduction in both LA volume and estimated systolic pulmonary artery pressure (sPAP) levels (median LA volume: from 123 ml [interquartile range, IQR 92-169 ml] to 104 ml [IQR 78-142 ml], p < 0.001; median sPAP: from 46 mmHg [IQR 35-58 mmHg] to 41 mmHg [IQR 32-54 mmHg], p = 0.036). In contrast, TAPSE remained unchanged (median: from 17 mm [IQR 14-21 mm] to 18 mm [IQR 15-21 mm], p = 0.603). The deep learning model confirmed this finding, showing no significant change in predicted RVEF after M-TEER (median: from 43.1% [IQR 39.1-47.4%] to 43.2% [IQR 39.2-47.2%], p = 0.475). CONCLUSIONS: While M-TEER improves left-sided haemodynamics, it does not lead to significant RV function recovery, as confirmed by both conventional echocardiography and artificial intelligence. This finding underscores the importance of treating patients before irreversible right heart damage occurs.
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 | 0,003 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».