要点：
利用人工智能（AI）辅助的肺部超声使非专家在经过简短的软件培训后能够捕捉到诊断质量的图像，在绝大多数情况下达到了专家标准。
方法：
- 研究人员在2023年7月至12月期间进行了一项前瞻性诊断验证研究，以评估AI能否指导没有肺部超声经验的医疗保健专业人员（HCPs）获取诊断质量的图像。
- 该研究包括176名参与者（平均年龄63岁；46%为女性），这些参与者有肺水肿的疑虑，并接受了两次肺部超声检查——一次由接受过训练但没有正式肺部超声培训的HCP使用Lung Guidance AI软件进行，另一次由未使用AI的训练有素的专家进行。
- 五位肺部超声专家组成的小组对图像片段进行了独立审查，他们不知道操作者和是否使用了AI。
- 如果至少80%的肺部超声片段符合临床评估标准，则认为AI的表现成功。
结论：
- 总体而言，98.3%（95% CI, 95.1%-99.4%）由使用AI的训练有素的HCP进行的超声检查被专家小组认为具有诊断质量。
- 训练有素的HCP在使用AI的情况下进行的研究与未使用AI的肺部超声专家进行的研究在总体研究层面的图像质量上没有统计学显著差异。
- 对于第六区（左前下区域），训练有素的HCP表现优于肺部超声专家，获得了90.9%的诊断质量图像，而肺部超声专家仅为77.3%（P < .001）。
实际应用：
“通过使广泛的医疗保健专业人员能够进行肺部超声检查，这种AI解决方案有可能显著提高诊断准确性和患者护理水平。”作者写道。
来源：
这项研究由耶鲁大学医学院的Cristiana Baloescu博士领导。该研究于2024年1月15日在《JAMA Cardiology》在线发表。
局限性：
- 训练有素的HCP在AI帮助下获得的图像质量并未直接与未使用AI的情况进行比较。
- 将受过超声培训的医生纳入训练有素的HCP组可能会引入偏倚，可能有利于AI的整体结果。
披露：
这项研究由Caption Health（现为GE HealthCare）通过比尔和梅琳达·盖茨基金会的资助进行。一些作者报告称从Caption Health和其他制药及医疗保健公司获得了资助、咨询费和个人费用。
(全文结束)
