人工智能增强自动化左心室扩张性评估:一个可行性试点研究,诊断验证和结果预测结果
Jiesuck Park1,2, Jaeik Jeon3, Yeonyee E Yoon1,2,3
1Cardiovascular Center and Division of Cardiology, Department of Internal Medicine, Seoul National University Bundang Hospital, Seongnam, Republic of Korea.
Cardiovascular diagnosis and therapy
|July 8, 2024
概括
一个人工智能框架自动化左心室透气功能 (LVDF) 在心声学中的评估,实现高准确性和强大的预后价值来预测临床结果. 这种人工智能工具增强了诊断能力和患者结果预测.
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:
- 左心室扩张功能 (LVDF) 评估在心声回声学中至关重要,但由于指导方针的复杂性和时间限制,它面临着挑战.
- 目前的方法可能是主观和耗时的,影响临床效用和准确性.
研究的目的:
- 开发和验证基于人工智能 (AI) 的框架,用于自动化LVDF评估.
- 为了减少主观性,提高准确性,并提高使用心声回声学来预测临床结果.
主要方法:
- 使用全国范围的心声回声数据集开发了一个AI框架,自动计算关键的扩张性参数并对LVDF进行分级.
- 在外部数据集上进行了验证,评估了人工智能衍生和手动测量之间的相关性.
- 用Cox回归来评估AI衍生的LVDF等级和参数的预后价值,以预测死亡或心力衰竭住院的复合终点.
主要成果:
- 人工智能框架在识别心声回声图景方面达到99.1%的准确性,并与手动测量显示出强烈的相关性 (0.901-0.959).
- 人工智能衍生和手动LVDF分级显示高一致性 (94%),超过临床医生的评估 (77.5%-78.5%).
- 人工智能衍生的LVDF等级显示出显著的独立预后值 (aHR=3.03,P=0.03),与临床医生等级 (aHR=1.63,P=0.36) 不同.
结论:
- 基于人工智能的方法可以在回声心脏学中进行自动LVDF评估.
- 这种人工智能框架有可能增强临床诊断和改善患者结果预测.
- 人工智能衍生的参数,如左心房储应变 (LARS),显示出对不良临床事件的预后意义.
