解剖学的評価とリスクの階層化のためのPLAX-viewトランストラシックエコーカルディオグラフィの自動化されたミトラルバルブセグメンテーション

科学分野:

• 心臓病科
• 医療用イメージング
• 人工知能

背景:

• トランストラシック・エコーカルディオグラフィ (TTE) のマニュアル・ミトラル・バルブ・セグメンテーションは時間がかかり,変化します.
• 正確なセグメンテーションは,臨床管理のための重要な解剖学的パラメータを抽出するために不可欠です.

研究 の 目的:

• TTEから自動化されたミトラルバルブセグメンテーションと解剖学的測定抽出のための新しいAIベースの方法を開発し,検証する.
• 患者のアウトカムの予測におけるこれらの自動測定の臨床的関連性を評価する.

主な方法:

• 手動でセグメントされたエコーカルディオグラフィービデオを使用して,ミトラル弁のリーフレットセグメンテーションを深部ニューラルネットワークで設計した.
• 主な解剖学的測定値 (葉っぱの長さ,アヌルスの直径,テントの面積,コアプテーションの長さ) は,自動セグメンテーションから抽出されました.
• コックス回帰生存分析は,心不全の入院や全因死亡との関連を評価するために実施された.

主要な成果:

• AIモデルは高いセグメンテーション精度を達成しました (平均表面距離: 0.89 mm,ハウズドルフ距離: 3.34 mm,時間一貫性: 97%).
• 自動アヌルスの直径,テントの面積,テントの高さ,およびコアプテーションの長さは,不良な臨床結果と有意に関連していた.
• アヌルスの直径とコアプテーションの長さは,多変量分析において独立して臨床エンドポイントを予測した.

結論:

• 開発されたAIメソッドは,TTEからの解剖学的測定の正確で自動化されたミトラルバルブセグメンテーションと定量化を可能にします.
• 自動測定は,ミトラル反吐の専門家の評価に匹敵する重要な予後値を示します.
• このAIアプローチは,心臓病患者のリスクの階層化を改善する可能性を秘めています.