据Cedars-Sinai研究人员报告，一种人工智能（AI）程序可以通过常见的心脏测试——超声心动图拍摄的视频识别慢性肝病。这项研究由Cedars-Sinai斯密特心脏研究所心内科助理教授、该研究的高级及通讯作者Alan Kwan博士领导，并发表在《NEJM AI》上。
“将AI应用于超声心动图，可以捕捉到心脏和肝脏的图像，从而在不增加额外成本的情况下诊断肝病。” Alan Kwan博士表示。
超声心动图是利用超声波来可视化心脏及其相关结构的检查方法。这种影像学检查是医生怀疑患者患有心血管疾病时常用的早期筛查测试。一个标准的超声心动图研究通常包含超过50段视频，其中一些视频会包括肝脏的图像。
“心脏病患者经常并发慢性肝病，区分原发性肝病和继发于心脏病的肝损伤可能具有挑战性。” Cedars-Sinai斯密特心脏研究所心内科心脏病学家、医学部人工智能部门研究员、该研究的高级作者David Ouyang博士说，“我们的深度学习模型可以帮助医生发现可能被忽视的肝病，从而指导适当的后续检查。”
根据美国疾病控制与预防中心的数据，估计有450万人被诊断为肝病。但美国肝脏基金会的专家表示，许多人的脂肪肝病（现称为脂肪性肝病）尚未确诊。
“这些新发现展示了AI模型如何帮助我们在系统层面而不是单个器官上增强临床诊断。” Cedars-Sinai医学部人工智能部门主任Sumeet Chugh博士表示。
研究人员训练了一个AI程序，分析了超过150万段超声心动图视频中的模式。该程序EchoNet-Liver可以通过研究超声心动图中捕捉到的肝脏图像来检测肝硬化（肝脏瘢痕化）或脂肪性肝病。这项技术建立在Ouyang及其同事开发的EchoNet技术之上，后者可以识别和分析超声心动图中的模式。
研究人员将深度学习模型的预测结果与通过患者腹部超声或MRI图像做出的诊断进行了比较。AI程序在检测肝病方面与放射科医生读取的传统影像学检查相当。
研究作者表示，下一步是在跟踪患者健康状况的长期研究中测试EchoNet-Liver。
(全文结束)
