开发一个人工智能辅助的数字听觉工具,用于自动评估 mitra regurgitation 的严重程度:一个横截面,非干预性研究的协议

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗器械 医疗器械

背景情况:

• 副心脏反 (MR) 是最常见的心脏疾病,造成显著的发病率.
• 目前的诊断方法,如心声回声学,对大规模的MR查有局限性.
• 使用电子耳镜和人工智能的心脏听觉为MR评估提供了一个有希望的替代方案.

研究的目的:

• 开发一种基于深度神经网络 (DNN) 的方法,通过心脏听觉来评估MR严重程度.
• 用虚拟临床试验量化评估AI驱动的MR评估工具的性能.

主要方法:

• 一项涉及门诊患者的横截面研究,记录了心声图.
• 心声学作为黄金标准来分类MR严重程度 (没有,轻度,中度,严重).
• 在心脏声音数据库上训练了一个DNN模型,并将其集成到电子耳语镜中进行验证.

主要成果:

• 该研究建立了一个基于DNN的分类器来评估MR的严重程度.
• 与人工智能集成的电子耳语仪展示了可测量的性能指标 (灵敏度,特异性,精度,F1分数).
• 人工智能模型的可解释性被分析使用闭塞地图引导变量的统计比较.

结论:

• 一种基于人工智能的心脏听觉方法显示了准确评估MR严重性的潜力.
• 开发的智能设备为MR查提供了一个快速,经济和可扩展的方法.
• 进一步验证和临床整合是有必要的,以确定其在常规实践中的有用性.