在莱索托的一项以人口为基础的调查中实施聚焦回声心脏学和人工智能支持的分析:对基于社区的心血管疾病护理模式的影响

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:

• 对专家心声回声学的有限访问阻碍了诊断和监测诸如左心室缩 (LVH) 等疾病.
• 需要创新解决方案,将心脏诊断能力扩展到服务不足的地区.

研究的目的:

• 评估使用聚焦回声心脏学与人工智能支持的分析来诊断LVH的可行性.
• 评估培训护士/护士助理在资源有限的环境中执行和分析心声回声图的有效性.

主要方法:

• 十六名护士/护士助理接受了为期两天的专注心电回声学 (侧侧长轴视图 - PLAX) 培训,使用手持式超声波设备.
• 心声图被存储在云端,通过深度学习算法进行分析,并由心脏病学家确认.
• 人工智能和心脏病学家对图像的可评估性进行了评估.

主要成果:

• 在754个上传的文件中,有628个 (83.3%) 可以通过AI算法进行评估.
• 心脏病学家证实了514/628 (81.9%) 的AI可评估图像的结果.
• 总的来说,660 (87.5%) 的上传文件是可评估和确认的,一些AI-in可评估的图像是可以手动评估的.

结论:

• 短期培训使护理人员能够获得高比例的可评估的专注心声图.
• 人工智能支持的分析表明,在资源有限的地区,改善 LVH 的诊断和监测具有显著的潜力.
• 该模型为远程医疗机构的人工智能和远程医疗支持提供了基础.