Artificial intelligence-enhanced electrocardiogram (AI-ECG) analysis shows promise to detect biventricular pathophysiology. However, AI-ECG analysis remains underexplored in congenital heart disease (CHD).

Abstract Patients with congenital heart disease often have cardiac anatomy that deviates significantly from normal, frequently requiring multiple heart surgeries. Image segmentation from a preoperative cardiovascular magnetic resonance (CMR) scan would enable creation of patient-specific 3D surface models of the heart, which have potential to improve surgical planning, enable surgical simulation, and allow automatic computation of quantitative metrics of heart function. However, there is no publicly available CMR dataset for whole-heart segmentation in patients with congenital heart disease. Here, we release the HVSMR-2.0 dataset, comprising 60 CMR scans alongside manual segmentation masks of the 4 cardiac chambers and 4 great vessels. The images showcase a wide range of heart defects and prior surgical interventions. The dataset also includes masks of required and optional extents of the great vessels, enabling fairer comparisons across algorithms. Detailed diagnoses for each subject are also provided. By releasing HVSMR-2.0, we aim to encourage development of robust segmentation algorithms and clinically relevant tools for congenital heart disease.

Abstract Secundum atrial septal defect (ASD2) detection is often delayed, with the potential for late diagnosis complications. Recent work demonstrated artificial intelligence-enhanced ECG analysis shows promise to detect ASD2 in adults. However, its application to pediatric populations remains underexplored. In this study, we trained a convolutional neural network (AI-pECG) on paired ECG–echocardiograms (≤ 2 days apart) to detect ASD2 from patients ≤ 18 years old without major congenital heart disease. Model performance was evaluated on the first ECG–echocardiogram pair per patient for Boston Children’s Hospital internal testing and emergency department cohorts using area under the receiver operating (AUROC) and precision-recall (AUPRC) curves. The training cohort comprised of 92,377 ECG–echocardiogram pairs (46,261 patients; median age 8.2 years) with an ASD2 prevalence of 6.7%. Test groups included internal testing (12,631 patients; median age 7.4 years; 6.9% prevalence) and emergency department (2,830 patients; median age 7.5 years; 4.9% prevalence) cohorts. Model performance was higher in the internal test (AUROC 0.84, AUPRC 0.46) cohort than the emergency department cohort (AUROC 0.80, AUPRC 0.30). In both cohorts, AI-pECG outperformed ECG findings of incomplete right bundle branch block. Model explainability analyses suggest high-risk limb lead features include greater amplitude P waves (suggestive of right atrial enlargement) and V1 RSR’ (suggestive of RBBB). Our findings demonstrate the promise of AI-pECG to inexpensively screen and/or detect ASD2 in pediatric patients. Future multicenter validation and prospective trials to inform clinical decision making are warranted.

Background: Double switch operation (DSO) for congenitally corrected transposition of the great arteries with intact ventricular septum (ccTGA) has a high rate of post-DSO LV dysfunction. Hypothesis: LV pressure-volume area (PVA), a surrogate of myocardial O 2 consumption, is a superior marker of LV preparedness and is associated with adverse outcomes after DSO. Aims: 1. Derive a mathematical relationship to estimate LV PVA (ePVA) from catheterization (pressure) and imaging (volumetric) data, using directly measured PVA (mPVA) as reference 2. Assess if lower ratio of LV ePVA to RV ePVA (as an internal control) is associated with adverse outcome after DSO. Methods: Aim 1: Using conductance catheter derived invasive subpulmonary LV PV loops, mPVA was recorded as the sum of stroke work (SW) and potential energy (PE). A mathematical relationship was established with standard catheterization/imaging data to estimate ePVA. Aim 2: In a retrospective cohort, LV:RV ePVA ratio was calculated as above, and along with standard clinical metrics, assessed for relationship with a composite outcome of ≥ moderate LV dysfunction, transplant, or death post-DSO. Results: Aim 1: In 20 PV loop studies in 18 pre-DSO patients, there was a strong linear correlation between measured and estimated SW and PE (R 2 > 0.9 and p<0.0001 for both). ePVA yielded high agreement and low bias compared to mPVA (mean bias 0.5±11%). Aim 2: Composite outcome occurred in 6/42 DSO patients (14%). LV:RV ePVA ratio (0.57 [0.49, 0.61] vs 0.90 [0.73, 1.1], p<0.001) and LV:RV pressure ratio (0.80 [0.77, 0.87] vs 1.13 [1.01, 1.23], p<0.001) were lower in those with adverse outcome. There were no differences in other pre-operative parameters. On time to event analysis, lower LV:RV ePVA ratio was the strongest determinant (HR 39, 95% CI 15-100; C Index 0.94), while lower LV:RV pressure ratio was the only other predictor (HR 24, 95% CI 13-42; C Index 0.88). In 8 patients with borderline pressure ratios of 0.77-0.88, ePVA ratio was an excellent discriminator - 3 patients with ePVA ratio of ≥0.67 had good outcomes, whereas 5 patients with ePVA ratio <0.67 had adverse outcomes. Conclusion: LV:RV ePVA ratio >0.67 is a strong and novel predictor of LV preparedness for DSO in patients with ccTGA.

Although conduction location can reliably be predicted in double inlet ventricle (DIV), ventricular septation continues to carry a significant risk of CHB. This study describes our experience with ventricular septation and intraoperative conduction mapping.

Patients with hypoplastic left ventricles (LV) who undergo volume-loading procedures (recruitment, biventricular (BIV) repair) are at risk for adverse outcomes including heart failure and death. We investigated pre-BIV LV shape as a predictor of outcome after BIV repair in patients with hypoplastic LVs.

Disordered lymphatic drainage is common in congenital heart diseases (CHD), but thoracic duct (TD) drainage patterns in heterotaxy have not been described in detail. This study sought to describe terminal TD sidedness in heterotaxy and its associations with other anatomic variables.