人工智能衍生的左心室应变在化学治疗的患者的心声学中

科学领域:

• 心脏病学 心脏病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 全球纵向应变 (GLS) 对于检测化疗引起的心血管功能障碍至关重要.
• 传统GLS的有限可用性和专业知识阻碍了广泛使用.
• 基于人工智能的GLS为这些可访问性挑战提供了潜在的解决方案.

研究的目的:

• 评估基于AI的GLS与传统GLS之间的协议.
• 评估医生专业知识对本协议的影响.
• 确定心脏改造或心血管风险是否会影响协议.

主要方法:

• 在化疗患者中,回顾性分析心声图像 (圆顶四室视图).
• 基于人工智能的GLS (Caas Qardia) 与传统GLS (GE Healthcare Vivid E9/E95) 的比较.
• 对两种方法的新手和经验丰富的医生之间观察者间一致性的评估.

主要成果:

• 在AI-GLS和传统GLS之间发现了中度相关性 (rho=0.74,p<0.01),偏差为-3.1%.
• 与传统GLS (0.68) 相比,基于AI的GLS在数值上表现出更好的可重现性 (观察者间一致性=0.82).
• 协议在各种心脏改造和疾病类别中保持一致.

结论:

• 在化疗患者中,基于AI的GLS与常规GLS有适度的相关性.
• AI-GLS提供了卓越的可复制性,对于具有不同专业水平的医生来说尤其有益.
• 在克服心血管监测常规方法的局限性方面,AI-GLS显示出有希望.