心血管疾病（cardiovascular disease, CVD）在全球范圍內造成了巨大的疾病負擔，針對 CVD 實現精確的診斷和評估對于患者預后的改善有著明確的意義。人工智能（artificial intelligence, AI）的出現以及在醫學領域的快速應用，使得各類 CVD 數據的分析和擬合有了新的實現路徑。目前 CVD 領域除了結構化的病歷資料外，還包括大量影像、電生理檢查帶來的非線性數據。如何利用 AI 來處理此類多源數據目前已有大量的研究進行了探索。因此，該文通過匯總現有各類研究，討論現有 AI 技術處理各類多源異構數據的方式，并分析其可能的優勢與不足，以期為未來 AI 在 CVD 中應用的發展方向提供證據支持。
目的系統評價經導管主動脈瓣置入術（transcatheter aortic valve implantation，TAVI）建立股動脈入路時血管切開與經皮穿刺的有效性及安全性。方法計算機檢索 PubMed、Embase、OVID、The Cochrane Library、中國知網、萬方數據庫，檢索時間范圍為 2002 年 1 月—2017 年 10 月，查找 TAVI 股動脈血管路徑建立方法的隨機或非隨機對照試驗，試驗組/暴露組采用股動脈經皮穿刺（percutaneous，PC 組），對照組采用股動脈切開（surgical cutdown，SC 組）。由 2 名評價者獨立進行文獻質量評價和資料提取后采用 RevMan 5.3.5 軟件進行 Meta 分析。結果納入 11 篇文獻，共 4 893 例接受經股動脈 TAVI（transfemoral TAVI，TF-TAVI）的主動脈瓣狹窄患者（其中 PC 組 2 877 例，SC 組 2 016 例）。PC 組和 SC 組嚴重血管并發癥［比值比（odds ratio，OR）=0.86，95% 置信區間（confidence interval，CI）（0.70，1.06），P=0.17］、輕微血管并發癥［OR=1.43，95%CI（0.87，2.37），P=0.16］、嚴重出血［OR=1.02，95%CI（0.55，1.90），P=0.94］及輕微出血［OR=0.90，95%CI（0.51，1.61），P=0.73］差異均無統計學意義。同時，兩組的 30 d 內全因死亡率相當［OR=1.03，95%CI（0.76，1.40），P=0.85］。此外，PC 組的術后住院時長較 SC 組更短［標準化均數差=–0.32，95%CI（–0.52，–0.12），P=0.002］。結論TF-TAVI 建立血管通路時選擇血管切開或經皮穿刺具有相當的有效性與安全性，且經皮穿刺 TF-TAVI 的術后住院時長更短。