人工智能辅助的护理点超声波用于评估左心室射出小部分:对前性观察研究的系统审查

科学领域:

• 护理点超声波 (POCUS) 超声波检查结果
• 医疗成像中的人工智能 (AI)
• 心血管诊断心血管诊断

背景情况:

• 左心室喷射分数 (LVEF) 评估对于患者管理至关重要.
• 传统心声回声学的操作员依赖性和可访问性限制阻碍了及时的床边决策.
• 将AI整合到POCUS中有可能克服这些局限性,特别是对于非专业人士来说.

研究的目的:

• 系统地审查前性研究,评估实时人工智能辅助的POCUS用于LVEF估计.
• 评估AI衍生LVEF的诊断准确性和一致性与各种临床环境中的参考标准.

主要方法:

• 对PubMed/MEDLINE,Embase和Cochrane数据库的系统审查 (开始至2025年6月11日).
• 包括使用人工智能的前性分析观察研究,以实时估计ICU,ED,外科,病房或家庭环境中的LVEF.
• 使用QUADAS-2工具进行偏差风险评估;由于异质性而导致叙事综合.

主要成果:

• 包括12项研究;AI-POCUS表明与参考LVEF (r:0.560.92,ICC:0.840.94) 有中等到强烈的一致性.
• 布兰德-阿尔特曼分析显示了广泛的共识范围,AI倾向于低估LVEF.
• 人工智能辅助的POCUS在归类降低的LVEF方面表现良好 (灵敏度:7093%,特异性:89100%,AUC:0.850.98).

结论:

• 人工智能辅助的POCUS可以接近参考LVEF,并在床边合理分类减少的LVEF.
• 它作为一个有价值的查和选工具,在没有全面心声回声图的情况下.
• 未来的研究需要标准化的方法,意图诊断的设计,并报告校准和故障率.