伯恩森斯韦伯斯特（以色列）有限责任公司

一种系统训练一组机器学习模型，以预测哪些心房纤颤患者将对使用消融线的哪些治疗作出响应。模型基于与患者相关联的心房纤颤相关特征来为患者标识消融线治疗。模型估计与至少一种消融线治疗相关联的消融部位的重新连接概率。模型基于与患者相关联的人口统计学和心脏组成部分尺寸参数来标识与患者相关联的患者心房纤颤预测因子，并且使用至少一种消融线治疗、重新连接概率、患者心房纤颤预测因子和患者人口统计学来预测患者是否将不会对仅肺静脉隔离治疗作出响应。响应于患者将不会对仅肺静脉隔离治疗作出响应的预测，系统使得医疗保健提供者能够为患者提供至少一种消融线治疗。

一种示例方法可以使用虚拟心脏模型的模拟数据来测量包括细胞电位的特性并确定复极化定时，同时收集准确的模拟的心内信号。所确定的特性（例如，复极化定时）可以被注释以供参考。与注释的定时组合的所收集的信号可以用于训练AI模型。该AI模型可以被配置为基于一个或多个心内信号的输入来确定诸如复极化定时的特性。可以通过输入包括来自其他心脏模型的心内信号的数据集并从AI模型接收预测的ARP来测试AI模型。可以将预测的ARP与已知的ARP进行比较，以确定AI模型的准确性。其他心脏模型可以与心脏状况和/或并发症（诸如心动过速）相关联。