目的通過機器學習技術對心房顫動（房顫）射頻消融術后房顫復發進行預測，并試圖尋找影響術后房顫復發的風險因素。方法納入 2017 年 1 月—2021 年 1 月因瓣膜病房顫在四川大學華西醫院及其分院（上錦分院）進行射頻消融手術的300例患者，其中男129例、女171例，平均年齡52.56歲。建立5個機器學習模型對房顫復發進行預測，將其中3個表現最好的模型組合成一個投票分類器，再次進行預測。最后使用SHApley Additive exPlanations方法進行風險因素分析。結果投票分類器得到的預測準確率為75.0%，召回率為61.0%，受試者工作特征曲線下面積為0.79。此外，還發現左心房內徑、射血分數、右心房內徑等因素對術后房顫復發存在影響。結論基于機器學習的瓣膜病房顫射頻消融術后復發預測可為房顫臨床診治提供一定參考，減少因無效消融給患者帶來的風險；根據研究中發現的風險因素，可為患者提供精準的治療。
目前在心臟外科手術精準治療中仍然存在部分亟待解決的問題，例如體外循環作為手術精準治療的關鍵因素之一，仍有許多核心環節依賴體外循環醫生和外科醫生的經驗結合主觀因素來對體外循環的狀況進行判斷，缺乏精確的數據反饋。隨著老齡人口的增加和手術難度的提高，體外循環過程中細節的精準反饋將為手術成功率的提高以及高難度手術的開展提供支持。為了克服這些問題中的關鍵性難點，除了需要殷實的醫學背景外，通常還需要多個學科領域的密切合作。組建涵蓋醫療、信息、軟件等行業相關專業人士的多學科合作團隊，能為這些難點提供優質的解決方案。本文以醫學與電子信息聯合團隊在心臟外科手術精準治療中的幾項專利作為示范，探討了在心臟外科手術精準治療領域中如何發現待解決的技術問題并找到相應的解決方案，同時分享了申請發明專利的經驗。