一个用于检测严重大动脉狭窄的人工智能算法:临床队列研究

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:

• 在目前的成像方法中,准确识别高死亡风险的严重大动脉狭窄 (AS) 患者是具有挑战性的.
• 严重的AS需要及时干预,以防止不良结果.

研究的目的:

• 评估一个人工智能决策支持算法 (AI-DSA),用于增强严重AS检测.
• 评估AI-DSA在一个大规模的医疗保险受益人群中的表现.

主要方法:

• 一个AI-DSA被训练来识别与大动脉膜面积 (AVA) <1厘米2相关的回声心脏学表型.
• AI-DSA分析了来自31,141名美国医疗保险受益人的常规跨胸心回声图 (TTE) 报告.
• 该算法独立于临床信息和左心室外流通道测量而运行.

主要成果:

• AI-DSA在检测严重AS表型方面表现出色 (灵敏度82.2%,特异性98.1%,c-统计值0.986).
• 该算法确定了另外3.3%的中度AS患者表现出严重AS表型,其大动脉置换率较低.
• 与没有AS的患者相比,在患有严重AS或类似表型的患者中,五年死亡率显著更高.

结论:

• AI-DSA可靠地使用心声回声记录识别严重AS表型,而不需要左心室外流管测量.
• 这个AI-DSA显示了改善严重AS的检测和识别风险人群的潜力,以便更好地进行临床管理.