人工智能辅助心声扫描在识别高伤心肌病中的诊断性能:系统性审查和元分析

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:

• 增高性心肌病变 (HCM) 是最常见的遗传性心脏病.
• 由于重叠的心声学特征和主观解释,诊断往往会延迟.
• 准确和及时的诊断对于有效的患者管理至关重要.

研究的目的:

• 系统地审查和元分析人工智能辅助心声回声学用于HCM检测的诊断性能.
• 探索影响人工智能诊断工具准确性和可变性的因素.
• 评估AI在改善HCM临床决策方面的潜力.

主要方法:

• 在多个数据库中进行系统的文献搜索.
• 包括25项报告诊断指标 (敏感性,特异性,AUC) 的研究.
• 数据聚合的双变随机效应模型和异质性的I2统计.

主要成果:

• 基于AI的HCM检测曲线下的聚合面积 (AUC) 为0.93 (95% CI,0.90-0.95),在校正后增加到0.96.
• 总体灵敏度达到了0.89 (95% CI,0.83-0.93) 和特异性达到了0.87 (95% CI,0.76-0.94).
• 卷积神经网络 (CNN) 显示出有希望的灵敏度,尽管性能在不同的AI算法中有所不同.

结论:

• 以人工智能为基础的对心声回声数据的评估是HCM的准确诊断方法.
• 人工智能工具显示出提高诊断准确度和支持临床决策的巨大潜力.
• 对人工智能算法的进一步研究可以完善遗传性心脏病的诊断能力.