在心脏超声波检查中以人工智能为指导检测未被认可的心肌病:一项多中心研究

科学领域:

• 心脏病学 心脏病学
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 护理点超声波 (POCUS) 提供了可访问的心脏成像,但在协议标准化和质量控制方面存在局限性.
• 未被确诊的心肌病变,如高性心肌病变 (HCM) 和横氨基酸心肌病变 (ATTR-CM),对健康构成重大风险.
• 通过POCUS自动检测这些情况对于及时干预至关重要.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于从心脏POCUS中自动检测HCM和ATTR-CM.
• 评估AI支持的心肌病单视图查协议的诊断和预后性能.
• 为了使用POCUS.使用可治疗心肌病的可扩展,机会性查.

主要方法:

• 一个 POCUS 适应的,多标签的,基于视频的卷积神经网络 (CNN) 使用增强和质量加权损失函数在 290,245 张胸外心声视频上被开发出来.
• 人工智能模型被评估在独立的内部 (耶鲁-纽黑文卫生系统) 和外部 (西奈山卫生系统) 心脏POCUS从急诊室的回顾性队列.
• 该研究优先考虑了关键视图,并使用单视图查协议验证了诊断和预后性能.

主要成果:

• 支持人工智能的单视图查成功地在两个卫生系统中区分了HCM (AUROC 0.90-0.89) 和ATTR-CM (AUROC 0.92-0.99).
• 对HCM和ATTR-CM的阳性AI-POCUS查发生的时间比临床诊断早得多 (中位数为1.9-2.1年).
• 对HCM和ATTR-CM的更高AI-POCUS概率与增加的死亡风险相关 (adj.HR分别为1.15和1.39).

结论:

• 开发并验证了一个AI框架,用于使用POCUS.US进行可治疗心肌病的可扩展,机会性查.
• 由人工智能驱动的POCUS可以促进早期检测HCM和ATTR-CM,从而有可能改善患者的治疗结果.
• 这项技术有望在POCUS使用的各种临床环境中得到广泛应用.