快照人工智能-从单静态图像中确定射出分数:一个多机构的,回顾性模型开发和验证研究
Jeffrey G Malins1, D M Anisuzzaman1, John I Jackson1
1Department of Cardiovascular Medicine, Mayo Clinic, Rochester, MN, USA.
The Lancet. Digital health
|March 27, 2025
概括
人工智能 (AI) 现在可以使用静态超声波估计心脏功能,减少计算负载. 这种新方法在左心室喷射率 (LVEF) 分类方面表现强.
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:
- 人工智能 (AI) 显示出对照心脏评估的前景.
- 以前用于估计左心室喷射率 (LVEF) 的AI模型通常需要计算密集的视频输入.
- 这项研究旨在开发一种使用静态框架进行LVEF估计的AI模型.
研究的目的:
- 开发和评估一个人工智能模型,用静态心声图框架来估计LVEF.
- 评估模型在各种数据集中的性能,包括手持心脏超声波 (HCU).
主要方法:
- 一个二维卷积神经网络被训练在回顾性跨胸腔心声学 (TTE) 数据.
- 模型性能在多个TTE数据集,一个公共数据集和潜在的HCU数据上得到验证.
- 评估包括专家和新手HCU数据收集之间的比较.
主要成果:
- 人工智能模型在LVEF分类中表现出强的表现 (AUC>0.90),当单框架估计的平均值时.
- 即使在每段视频只有一时,性能也保持稳健,新手收集的HCU剪辑的AUC>0.85.
- 根据图像采集的心脏周期阶段,LVEF估计显示了轻微的变化.
结论:
- 来自多个视频的静态可能足以快速部署LVEF分类.
- 该模型对心脏周期的敏感性为其可解释性提供了洞察力.
- 使用静态的AI模型为心脏功能评估提供了一种计算效率高的方法.
