人工智能（AI）有助于更快、更高效地生成超声心动图，提高图像质量并减少操作员的疲劳，这是第一项关于AI辅助超声心动图的前瞻性随机对照试验的结果。这项日本研究使用了Us2.ai软件，该软件由11个国家的研究平台开发，并得到了新加坡科学、技术和研究局的支持。这一系统和另一款新开发的AI系统PanEcho（分别由康涅狄格州纽黑文市耶鲁大学医学院和德克萨斯大学奥斯汀分校开发）可以自动分析广泛的心脏结构、功能和视图。这两项系统的相关研究在2024年美国心脏协会（AHA）科学会议上进行了展示。
“当你把计算机科学家介绍给心脏病专家时，就会发生这样的事情，”加州洛杉矶锡达斯-西奈医学中心的心脏病专家David Ouyang博士说。“这确实允许开发令人兴奋的新技术。”Ouyang未参与此次展示的两项研究，但他领导了一项先前的研究，该研究涉及斯坦福大学开发的另一种AI平台Echo-Net Dynamic，该平台在左心室射血分数的解读上优于人类。
AI的速度和精确度
超声心动图是最常见的心脏成像形式，“是使用AI的理想场所，”Ouyang说。“它涵盖了疾病的整个谱系；我们既在非常重的病人中使用它，也在健康的人群中用于筛查。”超声心动图便宜、便携，且不涉及辐射，但其图像质量和观察者之间的解释变异性是其致命弱点，他解释道。AI旨在减少解释的变异性并提高图像质量。它还可以增加每天进行的检查数量，东京顺天堂大学的研究员Nobuyuki Kagiyama博士表示。他展示了一项在日本单中心进行的研究，该中心的超声心动图检查率高于美国。
AI还可以克服“主要瓶颈：有限的高技能人员”来解读图像和视频，德克萨斯大学奥斯汀分校电气工程博士生、耶鲁大学心血管数据科学实验室研究员、PanEcho验证研究的调查员Gregory Holste说。PanEcho模型基于超过120万个视频（包括5000万张图像）训练而成，它可以选出五种视图来检测异常，同时保持较高的准确性。“这是一种简化超声心动图采集的方法，”Holste说，“对于缺乏高技能技术人员或超声技师的地区可能有重大影响。”由于所需视图较少，它可以使这些人群原本无法获得的自动化心血管医疗服务成为可能。
超越炒作
这些研究表明，AI对医疗保健的核心技术具有重要价值。在日本进行的随机对照试验研究了14项任务，结果显示AI几乎返回了所有值，生成的值在85%到99%的病例中都在医生最终报告的范围内（尽管有一项测量的准确率较低）。盲审者将图像质量评为优秀的比例为：非AI图像31%，AI辅助图像41%；其余大部分被评为良好。然而，研究中的超声技师人数（四人）和研究的时间跨度（38个工作日）有限。
PanEcho的验证研究显示了类似的准确性，系统高度可能准确报告39项测量结果。该AI模型在其开发的同一卫生系统中的后期队列以及斯坦福大学的公共超声心动图数据集中进行了验证。验证结果表明，这些结果可以推广到不同的患者群体，尽管PanEcho尚未在试验中测试过。日本研究是前瞻性的，并进行了外部验证，但AI模型的训练数据集较小，Ouyang指出。相比之下，PanEcho研究采用回顾性设计，主要进行内部验证，并基于大型训练数据集。
另一个区别在于闭源软件与开源软件。日本研究使用了免费提供的闭源Us2.ai软件。PanEcho的开发者计划公开发布他们的编程代码，以帮助其他人开发超声心动图的AI应用。“我赞扬研究人员表示他们将发布代码和权重，这对开放科学非常重要，”Ouyang说。
(全文结束)
