心脏病学家使用超声心动图来诊断心脏的各种功能或结构性异常。通过超过100个视频和图像捕捉心脏的不同部位，超声心动图技师会进行数十项测量，例如心脏的大小和形状、心室厚度以及每个心腔的运动和功能，以评估患者的心脏健康。
耶鲁大学医学院（YSM）研究人员领导的一项新研究发现，一种基于人工智能（AI）的工具可以在短短几分钟内以高精度解读超声心动图。该研究已发表在《JAMA》上。
“超声心动图是心血管护理的基石，但需要高度熟练的医生投入大量临床时间来审查这些研究，”耶鲁大学医学院心血管医学助理教授、耶鲁公共卫生学院生物统计学（健康信息学）助理教授Rohan Khera博士表示。
Khera是本文的资深作者，同时也是心血管数据科学实验室（CarDS）的主任。“我们希望开发一种技术，可以帮助这些非常忙碌的超声心动图技师提高准确性并加速他们的工作流程。”
研究人员发现，这一名为PanEcho的AI工具可以基于多视角超声心动图执行39项诊断任务，并准确检测严重主动脉瓣狭窄、收缩功能障碍和左心室射血分数等病症。这项研究建立在之前的研究成果基础上，包括2023年发表在《欧洲心脏杂志》上的研究，证明了该技术的准确性。
德克萨斯大学奥斯汀分校的博士生Greg Holste是Khera共同指导的学生，也是本研究的共同第一作者。他表示：“我们开发了一种工具，能够整合来自心脏多个视角的信息，自动识别心脏病专家会在完整报告中包含的关键测量值和异常情况。”
PanEcho的开发使用了从耶鲁纽黑文健康系统（Yale New Haven Health）患者收集的999,727个超声心动图视频，数据采集时间范围为2016年1月至2022年6月。随后，研究人员利用来自5,130名耶鲁纽黑文健康系统患者的超声心动图数据以及三个外部数据集对该工具进行了验证，外部数据集分别来自匈牙利布达佩斯塞梅尔维斯大学的心血管中心、斯坦福大学医院和斯坦福健康中心。
“该工具现在可以测量和评估一系列广泛的心脏状况，使其在未来临床应用中更具吸引力，”耶鲁大学医学院心血管医学临床研究员、本研究的共同第一作者Evangelos K. Oikonomou博士表示。“虽然它的准确性很高，但它可能不如临床医生的判读那样易于解释。它仍然是一个算法，需要人工监督。”
AI在超声心动图解读中的潜在角色
尽管PanEcho尚未用于临床，但本文讨论了该技术未来的几种潜在临床应用。例如，超声心动图技师可以将该工具用作初步判读者，帮助评估超声心动图实验室中的图像和视频。它还可以充当第二双眼睛，帮助识别现有数据库中可能遗漏的异常。
研究人员还指出，这种技术在资源匮乏的环境中尤其有价值，在这些地方，获取设备和熟练的超声心动图技师的机会有限。在这些环境中，临床医生通常依赖手持式即时超声设备，而这些设备生成的影像质量较低，难以解读。
为了验证模型在即时超声中的准确性，研究人员使用了耶鲁纽黑文医院急诊科的成像数据，该科室在常规护理中会执行即时超声检查。
“我们在全球范围内复制了资源匮乏环境中的体验，在这些环境中，临床医生通常使用手持式超声设备，并等待远程心脏病专家对这些图像进行解读，”Khera说。“即使面对低质量的图像，我们的模型也非常稳健，能够获取所需信息以做出高度准确的判断。”
持续研究以评估AI工具的有效性
Khera及其同事目前正在开展研究，以评估使用该工具如何改变耶鲁大学超声心动图实验室中的患者护理。
“我们正在进一步了解临床医生在真实环境中如何使用该工具，包括对其工作流程的修改、他们对信息的反应，以及该工具在临床环境中所能带来的价值，”Khera表示。
“像本研究验证的AI工具具有帮助我们提高效率和准确性的潜力，最终使我们能够筛查和治疗更多患有心血管疾病的患者，”耶鲁大学心血管医学系主任、Robert W. Berliner医学教授Eric J. Velazquez博士表示。“我对耶鲁大学持续致力于投资前沿研究，以帮助我们创新医疗服务方式感到自豪。”
完整的模型和权重可通过开源获得，研究团队鼓励其他研究人员使用自己的超声心动图研究测试该模型并进行改进。
其他研究作者包括德克萨斯大学奥斯汀分校的Zhangyang Wang博士，以及塞梅尔维斯大学的Márton Tokodi博士和Attila Kovács博士。
(全文结束)
