美国：《JAMA》期刊最新发布的一项研究介绍了一种前沿的人工智能（AI）系统，该系统能够以高精度全自动解读经胸超声心动图（TTE）。这一系统由德克萨斯大学奥斯汀分校电气与计算机工程系的Gregory Holste及其团队开发，被命名为PanEcho。该系统展现了简化心血管诊断流程和提升心脏影像解读可及性的强大潜力，特别是在资源匮乏的环境中。
超声心动图一直是评估和监测心脏状况的核心工具，但其传统解读过程依赖于专家对大量超声视频片段的分析。为解决这一局限性，研究团队利用多任务深度学习模型开发了PanEcho，使其能够执行广泛的诊断和测量任务。
研究训练了这一AI系统，使用了一个包含120万份超声心动图视频的数据集，这些数据来自耶鲁纽黑文卫生系统（YNHHS）设施中的32,265例TTE研究，涉及超过24,000名患者，数据收集时间为2016年至2022年。该模型同时接受了内部和外部验证，包括对真实世界即时护理超声数据的测试。
研究得出了以下主要发现：
- 在内部验证中，AI系统PanEcho完成了18项诊断分类任务，中位AUC（曲线下面积）达0.91。
- 对于如射血分数估算和心腔大小测量等任务，其归一化平均绝对误差中位数为0.13。
- 系统在内部测试中左心室射血分数估算的平均绝对误差为4.2%，外部验证中为4.5%。
- 它能够准确识别中度或更严重的左心室收缩功能障碍，AUC达0.99。
- PanEcho在外部验证中检测严重主动脉瓣狭窄的准确率达到100%，AUC为1.00。
- 该模型在识别右心室收缩功能障碍方面表现优异，外部验证AUC为0.94。
- 在简化的经胸超声心动图协议中，AI系统在15项任务中维持了强劲表现，中位AUC为0.91。
- 在急诊科的即时护理超声扫描中，它在14项诊断任务中保持了稳健结果，中位AUC为0.85。
这些研究结果表明，PanEcho可以通过作为临床实验室的辅助读片工具，或在缺乏训练有素的心脏病专家的环境中作为可靠的心血管筛查工具，显著优化超声心动图工作流程。然而，作者强调，在系统广泛应用于常规诊疗之前，仍需在临床环境中进行前瞻性评估。
通过自动化一个传统上手动且耗时的过程，这种基于AI的系统为扩展心脏诊断的可及性和缓解医疗服务瓶颈提供了一条前景广阔的途径，尤其是在服务不足的地区。
参考文献：
Holste G, Oikonomou EK, Tokodi M, Kovács A, Wang Z, Khera R. Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning. JAMA. Published online June 23, 2025. doi:10.1001/jama.2025.8731
(全文结束)
