使用人工智能在心声回声学中改善左心室射出小部分的评估:与心脏磁共振成像进行比较分析

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 使用修改双平面辛普森 (MBS) 方法通过回声心脏学 (Echo) 测量左心室喷射分数 (LVEF) 是取决于操作者和可变的.
• 心脏磁共振成像 (CMR) 是LVEF评估的参考标准.

研究的目的:

• 评估一种全新的,全自动化的人工智能 (AI) 系统在心声学中进行LVEF计算的准确性.
• 将人工智能驱动的LVEF测量与标准MBS方法和CMR参考进行比较.

主要方法:

• 301名连续的患者在同一天接受了CMR和回声.
• 使用自动化AI (自动回声),MBS-Echo和CMR独立测量LVEF.
• 进行了观察者间和测试复试可变性分析.

主要成果:

• 自动回声和MBS回声与CMR (R=0.89) 和彼此 (R=0.93) 显示出高相关性.
• 自动回声在各种LVEF范围内显示出较少的偏差和更好的CMR一致性,特别是在LVEF减少或图像质量差的患者中.
• 与MBS-Echo.相比,人工智能显著降低了观察者间的变化 (相关系数1.00比<0.91) 和测试-重新测试变化 (2.5%比7.9%).

结论:

• 经过测试的AI系统有可能提高心声回声学的临床效用.
• 人工智能驱动的LVEF评估可以减少与用户相关的变化,并提供比MBS方法更准确,更可靠的结果.