重度二尖瓣关闭不全（MR）合并有症状的心衰患者1-2年的死亡率达15%～25%，目前针对原发性和继发性MR，尤其是外科手术风险高或有禁忌症人群，推荐使用MitraClip行经导管二尖瓣修复术（TMVR），TMVR手术成功率高，但因合并各种并发症术后死亡率仍高。

术前对MR患者进行远期生存预测的风险分层尤为重要，现有的心衰预测评分针对性不强，检测指标过多，临床应用效果有限。这使得在临床试验和实践中，评估TMVR预后获益变得困难。本研究的目的是结合代谢和血流动力学参数，开发一种基于机器学习(ML)的风险分层工具MITRALITY评分（经导管二尖瓣修复术死亡率预测系统），用来预测经导管二尖瓣修复术(TMVR)后1年患者的死亡率。

本研究纳入了在莱茵兰心力衰竭网络上注册的3所大学医院的1,009名TMVR患者，利用其中两个机构的数据创建机器学习（ML）模型，使用另外一家机构(n＝317)作为外部验证。其主要终点是TMVR后1年的全因死亡率，使用了接收者操作特征曲线分析评估模型性能。在推导队列中，使用5折交叉验证测试了不同的ML算法，在验证队列中根据现有的临床评分进行了测试。为了完成MITRALITY评分，选择了极端梯度提升算法，仅使用6个基线临床特征进行预测（按预测重要性排序）：尿素、血红蛋白、N端脑钠肽前体、平均动脉压、体重指数和肌酐。在外部验证队列中，MITRALITY评分的曲线下面积为0.783（95%CI：0.716-0.849），而现有分数的曲线下面积最多为0.721（95%CI：0.63-0.811）和0.657（95%CI）:0.536-0.778)。

因此研究者认为MITRALITY评分是一种新的、经过内部和外部验证的风险分层工具，在临床试验和临床实践中对MR进行MITRALITY评分可以帮助更好的做出临床决策。

山西省心血管病医院老年心内病区 王飞 报道

编辑审核：何喆 吕俊兴

扫描二维码，马上进入“瓣月谈”