目的：中远期大出血是经导管主动脉瓣置换（Transcatheter aortic valve replacement, TAVR）术后主要并发症之一。因此，本研究想基于深度学习算法建立一个 TAVR 术后中远期大出血的预测模型。
方法：该研究纳入了从 2012 年 4 月至 2020 年 5 月在四川大学华西医院进行 TAVR 手术的重度主动脉瓣狭窄病人。运用患者术前、术中、术后的共 56 个特征，我们建立了一个名为 BLeNet 的深度学习风险预测模型。我们运用 Bootstrap 的方法对模型进行验证，并运用 Harrell's 一致性指数（Harrell's concordance index）, 受试者操作特征（receiver operation characteristics，ROC）曲线、校准曲线，K-M 曲线进行模型的评估。Captum 解释库被用于寻找模型中具有重要权重的特征。基于上述评价指标，我们将 BLeNet 模型和传统的 Cox 风险比例模型以及随机生存森林模型进行了比较。
结果：BLeNet 模型在区分度和校准度上都有更优的表现。在区分度方面，BLeNet 模型的 c-index 达到 0.81，而 Cox 风险比例模型和随机生成森林模型的 c-index 分别为 0.72 和 0.70。在校准度方面，BLeNet 模型的综合校准指数为 0.007，而 Cox 风险比例模型和随机生成森林模型的校准指数分别为 0.015 和 0.019。在 K-M 分析中，BLeNet 在划分高低风险人群中也有着更好的表现（p < 0.0001）。
结论：深度学习是建立 TAVR 风险预测模型一种有效的方法。我们建立了一个专用于 TAVR 术后中远期大出血的风险预测模型，为临床决策提供重要参考。
关键词：机器学习、经导管主动脉瓣置换术、重大或危及生命的出血事件，预测模型