使用基于深度学习的图像和视频分析进行先天性心脏缺陷的产前检测:胎儿心声学 (CAIFE) 中临床人工智能协议,国际多中心多学科研究

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 儿童心脏病学 儿童心脏病学

背景情况:

• 在全球范围内,先天性心脏缺陷 (CHD) 是儿童死亡的主要原因.
• 目前对冠状动脉疾病的产前检测率差异很大,低收入和中等收入国家的比率较低.
• 现有的AI模型用于CHD检测缺乏准确性,原因是有限的,异质的超声数据和依赖静态图像.

研究的目的:

• 开发先进的AI模型,使用超声波实时检测胎儿心脏病.
• 支持临床医生,特别是在非专业或资源较低的环境中.
• 提高胎儿心脏病产前诊断的准确性和可访问性.

主要方法:

• 临床人工智能胎儿心声学 (CAIFE) 研究是一项国际性的多中心合作.
• 整理一大数据集,包括16,400个回顾性和前性超声波扫描 (正常病例和心血管疾病病例).
• 构建,培训和验证人工智能模型,以区分正常与异常的胎儿心脏,并识别特定的冠心病.

主要成果:

• 该研究将使用包括敏感性,特异性和准确性在内的统计指标分析数据.
• 对AI模型性能将计算出正负预测值.
• 结果将与临床医生手动评估进行比较.

结论:

• 开发的AI模型旨在提高产前CHD检测的准确性.
• 这项技术有可能改善围产期管理,并降低与心血管疾病相关的死亡/发病率.
• 研究结果将通过会议和同行评审的出版物传播.