经导管主动脉瓣植入术(TAVI)患者获益预测模型：从瓣膜治疗到个体化诊疗的突破

本研究针对经导管主动脉瓣植入术(TAVI)临床决策难题，开发了首个整合多维参数的预后预测模型。研究人员通过机器学习算法分析基线特征、影像学参数和生物标志物，成功识别出最能从TAVI中获益的患者亚群，为心脏团队提供客观决策工具，推动结构性心脏病诊疗进入精准医学时代。

　　

这项开创性研究突破了传统"见瓣不见人"的诊疗模式，将经导管主动脉瓣植入术(TAVI)的临床决策提升到全新高度。研究团队构建的预测模型犹如"临床决策指南针"，通过整合患者基线特征、超声心动图参数、计算机断层扫描(CT)测量值和血清生物标志物等23个关键变量，采用随机森林算法绘制出精准的"获益地图"。特别值得注意的是，模型首次揭示了衰弱指数(frailty index)与术后1年生存率的非线性关系，当该指数超过临界值0.35时，手术获益显著降低。研究还发现左心室质量指数(LVMI)<120 g/m²的患者术后心功能改善更为显著，这一发现为术前评估提供了重要量化指标。该成果发表在《欧洲心脏杂志-医疗质量与临床预后》上，为心脏团队(heart team)的临床决策提供了客观量化工具，标志着结构性心脏病诊疗正式迈入精准医学时代。