医学生的基于人工智能的左心室喷射分数用于死亡率和再接收预测

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 护理点超声波 (POCUS) 是现代医学诊断的组成部分.
• 跨专业的医生利用POCUS进行增强的决策.
• 在POCUS中集成人工智能为改善诊断准确性提供了潜力.

研究的目的:

• 评估由医学学生运行的人工智能辅助POCUS检测到的左心室喷射率 (LVEF) 减少之间的关联.
• 评估1年复合结局的死亡率和心血管再录取在患者减少LVEF.
• 确定基于AI的LVEF评估对患者结果的预测价值.

主要方法:

• 八名经过培训的医学学生使用手持式超声波设备 (HUD) 与用于LVEF评估的AI工具进行POCUS.
• 该研究包括82名住院的心脏病患者,从2019年3月到2020年3月.
• 基于AI的LVEF对所有参与者进行了自动评估.

主要成果:

• 34名患者 (41.5%) 在AI检测下降了LVEF (<50%).
• 减少的LVEF与1年复合结果 (41.2%对16.7%,p=0.014) 显著更高.
• 降低的LVEF独立预测了复合结果 (HR 2.717,p=0.033) 并与更长的住院时间和医院不良事件有关.

结论:

• 医学学生使用人工智能辅助的POCUS有效地识别了缩功能下降.
• 通过AI-POCUS检测到的减少的LVEF独立预测1年的死亡率和心血管再入院.
• 新手用户使用人工智能显示出在住院心脏病患者中风险分层的前景.