La ecocardiografía basada en inteligencia artificial en la hipertensión arterial pulmonar

Área de la Ciencia:

• Cardiología
• Inteligencia artificial
• Imágenes médicas

Sus antecedentes:

• La ecocardiografía es crucial para la evaluación de la hipertensión pulmonar.
• La interpretación manual requiere mucho tiempo y es propensa a errores.
• Se necesitan soluciones automatizadas para mejorar la eficiencia y la precisión.

Objetivo del estudio:

• Evaluar la fiabilidad de un flujo de trabajo de aprendizaje profundo (DL) totalmente automatizado en ecocardiografía para la evaluación de PH.
• Determinar el sesgo y la precisión de las interpretaciones de DL en comparación con los lectores básicos de laboratorio.
• Para evaluar la capacidad de DL para discriminar las formas más leves de PH.

Principales métodos:

• Dos partes del estudio: evaluación del sesgo/precisión y discriminación del PH más leve.
• Usado el software Us2.ai versión 1.4.5 con lectores de núcleo de laboratorio (CL) como referencia.
• Se incluyeron cohortes de casos-controles y de referencia con parámetros como la velocidad máxima de regurgitación tricúspide (TRV) y la función ventricular derecha (RV).

Principales resultados:

• No hay sesgo significativo para el pico de TRV, área de AR y TAPSE; RVFAC mostró un sesgo significativo (11,46%).
• La precisión de la mayoría de las mediciones fue inferior al 15%.
• El área bajo la curva (AUC) para la detección de PH fue de 0,98 para DL frente a 0,80 para CL en una cohorte, y de 0,75 para DL frente a 0,79 para CL en la cohorte de referencia.

Conclusiones:

• El flujo de trabajo automatizado de DL es prometedor para la evaluación de PH en ecocardiografía.
• Tiene el potencial de mejorar la eficiencia en la práctica clínica.
• Puede ser necesaria una validación adicional, en particular para el RVFAC.