人工智能在心磁共振应变分析中对大动脉狭窄的表现:用心声图和健康对照进行验证

科学领域:

• 心血管成像 - 心血管成像
• 人工智能在医学中的应用
• 心脏机械学 心脏机械学

背景情况:

• 大动脉狭窄 (AS) 导致左心室 (LV) 进展性功能障碍,需要早期检测.
• 全球纵向应变 (GLS) 通过心声回声被操作员的依赖性和声学变异性所限制.
• 心脏磁共振 (CMR) 和人工智能 (AI) 提供了改善AS应变评估的潜力.

研究的目的:

• 评估基于AI的CMR特征跟踪工具,用于AS患者的LV全球和细分GLS评估.
• 将AI-CMR GLS测量结果与健康对照组和心声波斑点跟踪 (echo-GLS) 的测量结果进行比较.
• 评估AI衍生GLS在AS与对照中的准确性和可变性.

主要方法:

• 对111次CMR检查 (70名AS患者,41名对照组) 的回顾分析.
• 从渐变回声CMR视图 (2-, 3-, 4-室) 中人工智能衍生的GLS被手动审查.
• 将AI-CMR GLS与回声GLS进行比较,并评估错误率和细分菌株差异.

主要成果:

• AI-CMR GLS与回声GLS有很强的相关性 (r=0.694,p<0.001) 并显示出较低的变化.
• 在AS患者中,AI衍生的GLS明显低于对照组 (-20.70 ± 1.98) (-17.86 ± 3.47).
• 整体AI错误率为6%,在AS (18.6%) 与对照组相比显著更高 (2.44%);三室视图最容易出现错误.

结论:

• 基于AI的CMR特征跟踪提供了准确和可重现的GLS测量,与回声GLS一致.
• 在AS患者中较高的错误率凸显了当前AI在心脏病理学中的局限性.
• 开发先进的AI算法对于提高AS中的GLS评估准确性至关重要.