使用人工智能程序读取超声心动图可能会减少结果的等待时间，并有助于更及时的医疗护理。这是今天在美国心脏协会2024年科学会议上公布的最新研究结果。该会议于2024年11月16日至18日在芝加哥举行，是全球心血管科学最新科研进展、研究和基于证据的临床实践更新的重要交流平台。
在这项研究中，一个名为PanEcho的人工智能程序被测试其独立解释超声心动图视频的能力。超声心动图是一种心脏成像技术，使医生能够看到心脏结构和功能，用于诊断和治疗心脏疾病。
PanEcho建立在之前心脏病学中使用人工智能的基础上，这些应用仅限于心脏的单个视图和特定疾病的评估标准。研究团队开发了一种新的AI系统，能够对任何一组超声心动图视频的所有主要发现进行全面报告。
“PanEcho有可能用于简化、AI辅助的筛查超声心动图。在专家读者可能不易获得的环境中，PanEcho可以快速排除需要紧急转诊的异常情况。”耶鲁大学医学院心血管数据科学（CarDS）实验室的研究员Gregory Holste说。
PanEcho的诊断性能通过标准的诊断测试准确性测量——受试者工作特征曲线下面积（AUC）进行评估。100%准确的测试AUC为1，而无信息的测试（例如随机猜测）AUC为0.5。
研究发现：
- 在18个不同的诊断分类任务中，PanEcho的平均得分为0.91。
- 在评估心室功能和结构时，PanEcho的准确性得分如下：
- 检测左心室增大的AUC为0.95，这会使心脏泵血困难。
- 识别左心室收缩功能障碍的AUC为0.98，这会降低心室将血液泵入主动脉的能力。
- 检测左心室肥厚的AUC为0.91，当心脏的左泵腔变厚且可能无法有效泵血时使用此术语。
- 识别右心室收缩功能障碍的AUC为0.93，这会降低心室将血液泵入肺部的能力。
- 在诊断瓣膜疾病时，PanEcho的准确性得分如下：
- 识别严重主动脉狭窄的AUC为0.99，这是由于钙沉积在心脏瓣膜上导致的血流受限。
- 识别二尖瓣狭窄的AUC为0.96，这是左心房和左心室之间二尖瓣的狭窄。
- 识别中度或更严重的主动脉反流的AUC为0.93，这是主动脉瓣的血液回流。
- 识别中度或更严重的二尖瓣反流的AUC为0.96，这是二尖瓣的血液倒流。
PanEcho还被评估了其估计连续超声心动图参数的能力，使用平均绝对误差（MAE），即预测值与实际值之间的平均距离，距离越小，预测越准确。在21个任务中，PanEcho的中位数归一化MAE为0.13。
PanEcho在量化左心室尺寸和功能方面的准确性包括：
- 估计左心室射血分数的平均绝对误差为4.4%；
- 估计左心室内间隔厚度的平均绝对误差为1.3毫米；
- 估计左心室后壁厚度的平均绝对误差为1.2毫米。
这些测量对于准确评估左心室结构和功能至关重要，这是心脏健康的一个重要方面。
“这项工作代表了超声心动图AI领域的进步，我们希望公开发布我们的AI模型能鼓励研究社区朝着灵活、多任务、多视角的超声心动图解读方法发展。”Holste补充道。
PanEcho的局限性在于其回顾性验证使用的是以前获取的数据。下一步是在真实世界的患者护理环境中前瞻性地验证其应用，以进一步了解其临床可行性。Holste表示：“还需要评估其在急诊室和小型诊所使用的便携式超声心动图机器上的应用，这些地方最有潜力通过AI工具产生积极影响。”
研究背景、设计和细节：
- PanEcho的开发使用了123万段多视角超声心动图视频，这些视频来自近34,000次经胸超声心动图检查，检查对象是在2016年至2022年间在耶鲁-纽黑文健康系统医院（康涅狄格州五个地点）或该系统的门诊诊所接受治疗的人员。AI程序由耶鲁大学医学院CarDS实验室开发。
- 超声心动图来自26,067名独特的个体，他们的常规护理包括这种成像。
- 收集的影像数据中约有52%来自自我认同为男性的成年人。
- 参与影像收集的人员的平均年龄为67岁。
- 大约80%的参与者被记录为白人，14.2%为黑人，1.8%为亚洲人，4.3%为其他种族。
这项研究的首席研究员是耶鲁大学医学院CarDS实验室负责人Rohan Khera博士。该研究由CarDS实验室成员Gregory Holste硕士和Evangelos Oikonomou博士共同领导。其他合著者、披露和资金来源列在摘要中。
来源：美国心脏协会
(全文结束)
