慢性肝病的机会性查与深度学习增强心电回声学

科学领域:

• 心脏病学 心脏病学
• 肝病学 肝病学是一种肝病学.
• 人工智能的人工智能

背景情况:

• 慢性肝病影响全球超过15亿成年人,往往保持无症状和未诊断.
• 心声成像,一种常见的心脏成像技术,可视化肝脏,但这些数据在肝脏疾病查中未得到充分利用.

研究的目的:

• 开发和验证一种深度学习算法,用于使用心声视频对慢性肝病进行机会性查.
• 评估算法检测肝硬化和脂肪性肝病 (SLD) 的能力.

主要方法:

• 一个回顾性观察性研究,使用来自两个大型学术医疗中心的数据.
• 开发了一种深度学习计算机视觉管道 (EchoNet-Liver),以识别下腰带视图回声心脏图视频并检测肝硬化或SLD.
• 对算法的性能进行了评估,对比临床诊断来自配对腹部超声波或MRI.

主要成果:

• 在EchoNet-Liver的培训中,使用了1,596,640个心声回声录像视频. 在内部测试队列中,它在检测肝硬化 (AUC 0.837) 和SLD (AUC 0.799) 中表现出强的表现.
• 在单独的测试队列中验证了与配对的MRI (肝硬化AUC 0.704,SLD AUC 0.726) 和外部队列 (肝硬化AUC 0.830,SLD AUC 0.768) 的性能.

结论:

• 对心声回声图的深度学习分析可以为SLD和肝硬化进行机会性查.
• 这种算法可以潜在地识别那些可能从进一步诊断评估和慢性肝病治疗中受益的人.