Une signature diagnostique d'apprentissage automatique utilisant des données DSE multi-modalités permet-elle de discriminer l'HFpEF de la dyspnée non cardiaque ou l'HFrEF chez des patients présentant une dyspnée inexpliquée ?
Une approche d'apprentissage automatique utilisant des données DSE multi-modalités peut aider à l'évaluation diagnostique de la dyspnée inexpliquée en discriminant l'HFpEF de l'HFrEF et des causes non cardiaques.
Cette signature diagnostique permet de discriminer l'HFpEF de la dyspnée non cardiaque ou l'HFrEF à partir des DSE et peut aider à l'évaluation diagnostique chez les patients présentant une dyspnée inexpliquée. Cette approche permettra d'identifier les patients atteints d'HFpEF qui pourraient bénéficier de nouvelles thérapies basées sur des preuves.
Farajidavar et al. (Sun) ont étudié cette question.