对基于人工智能的系统进行评估,以对右心房压力进行心声回声估计

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 医学诊断 医学诊断 医学诊断

背景情况:

• 在心声学中使用下腔静脉 (IVC) 测量对右心房压 (RAP) 的非侵入性估计存在显著的评分器间变化.
• 这种变化源于观察者经验的差异,突出了对更标准化和客观的评估方法的需求.
• 目前的方法缺乏一致性,可能会影响心脏诊断的准确性.

研究的目的:

• 开发基于人工智能 (AI) 的全自动化系统,用于分析IVC维度和估计RAP.
• 为了降低与手动IVC分析和心声回声学中的RAP估计相关的分级间变异性.
• 为心脏诊断中常规临床使用提供可靠的工具.

主要方法:

• 开发了一个多阶段的AI系统,自动识别IVC视图,选择优质图像,划分IVC,并量化其直径和可折叠性.
• 该系统经过训练和验证,使用255名患者的手动测量,由专家临床医生提供参考数据.
• 使用皮尔森相关性,IVC指标的布兰德-阿尔特曼分析和RAP估计的宏精度/奇方测试来评估性能.

主要成果:

• 通过布兰德-阿尔特曼分析,AI系统与手动测量IVC值 (r=0.96) 和小偏差 (0.33mm) 取得了很好的一致性.
• 自动RAP估计显示出与手动推导的良好一致性,达到0.85.5的宏观准确性.
• 人工智能准确量化了IVC直径和可折叠性指数,这是RAP估计的关键参数.

结论:

• 拟议的基于人工智能的系统提供了一个强大的和自动化的解决方案,用于IVC分析和RAP估计在心声回声.
• 这项技术有可能显著减少观察者变异性,并提高心脏诊断程序的一致性.
• 自动化系统可以成为一个有价值的工具,支持常规心声回声和心脏诊断中的各种应用.