人工智能在标准化全球纵向应变测量在心声回声学中的作用

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:

• 左心室全球纵向应变 (GLS) 是回声心脏图 (Echo) 评估心脏功能的关键参数.
• 传统的手动和半自动GLS分析方法可能耗时且受观察者之间的变化影响.

研究的目的:

• 评估基于人工智能 (AI) 的方法对GLS分析的准确性和可行性,与手动和半自动化方法相比.
• 评估AI在GLS分析中的性能,特别是对于新手用户.

主要方法:

• 总共分析了550个心声回声扫描检查.
• 我们比较了三种方法:全自动化AI,半自动化 (SemiAuto) 与手动视图选择,以及全手动 (Manual).
• 观察者间的一致性是使用类内相关系数 (ICC) 来评估的,而使用皮尔森相关性 (R) 和布兰德-阿尔特曼分析来评估措施的一致性.

主要成果:

• 人工智能方法显示出高可行性 (89%) 和与手动 (R = 0.92) 和半自动 (r = 0.90) 的良好一致性.
• 人工智能实现了完美的观察者间协议 (ICC = 1.0),表现优于半自动 (ICC = 0.93) 和手动 (ICC = 0.80).
• 初学者心脏病学家在使用人工智能方法时,与专家读者达成最高一致 (R = 1.00).

结论:

• 使用人工智能的自动GLS分析提高了心脏诊断的效率和准确性.
• 人工智能方法对初学者特别有利,提供更标准化的结果.
• 将AI整合到常规临床实践中可以提高GLS分析的一致性.