最近发表在《柳叶刀》上的一项研究强调了人工智能（AI）驱动的心脏成像技术在更早识别未被诊断的心肌病方面的潜力。人工智能正在医疗保健领域取得重大进展，现在正通过床旁超声检查（POCUS）来检测严重的心脏疾病，如肥厚型心肌病（HCM）和转甲状腺素蛋白淀粉样变心肌病（ATTR-CM），并在床边和社区环境中进行。
来自耶鲁-纽黑文卫生系统（YNHHS）和西奈山卫生系统（MSHS）的研究团队开发了一种专门用于POCUS的复杂视频卷积神经网络。通过利用290,245个超声心动图视频的数据，该AI模型被训练以识别心脏结构和功能中的细微异常。独特的技术，如视频增强和针对图像质量定制的损失函数，使该模型在区分疾病状态方面表现出色。
从2023年11月至2024年3月，这项研究评估了YNHHS的33,000多名患者和MSHS的近6,000名患者，处理了总计超过90,000个符合条件的POCUS视频。AI模型在单视图POCUS扫描中准确识别HCM和ATTR-CM，取得了令人印象深刻的结果。
在YNHHS，AI模型通过四腔心视图检测HCM的受试者操作特征曲线下面积（AUROC）为0.903，在MSHS为0.890。对于ATTR-CM检测，通过胸骨旁视图，AUROC分别为0.907和0.972。此外，AI-POCUS筛查在正式诊断前两年多就标记了58%的HCM病例和46%的ATTR-CM病例，为早期干预提供了关键的时间窗口。
进一步分析未确诊心肌病的参与者揭示，疾病检测概率最高的组别面临显著增加的死亡风险。对于肥厚型心肌病，这一风险比最低组高17%；对于ATTR-CM，风险更高，达到32%。
这些发现表明，可扩展的人工智能驱动筛查方法有可能通过早期识别高危个体来改善心脏护理。凭借其在床边和远程环境中的应用能力，这种AI框架可能彻底改变心脏病的检测和管理方式，全球范围内提升心脏护理水平。总体而言，这项研究的结果带来了希望，即通过继续改进AI模型和广泛采用POCUS，将进一步普及先进的心脏护理，最终通过早期检测和及时治疗拯救生命。
(全文结束)
