心脏病学家使用超声心动图来诊断心脏的一系列功能性或结构性异常。通过上百个捕捉心脏不同部位的视频和图像，超声心动图技师进行数十项测量，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，从而评估患者的心脏健康状况。
一项由耶鲁医学院（Yale School of Medicine，YSM）研究人员领导并发表在《JAMA》上的新研究表明，一种启用人工智能（AI）的工具可以在短短几分钟内以高精度解读超声心动图。
“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，”耶鲁医学院心血管内科助理教授兼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 是该论文的资深作者，同时也是心血管数据科学实验室（Cardiovascular Data Science Lab，CarDS）的主任。“我们希望开发一种技术，可以协助这些繁忙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，这款名为 PanEcho 的人工智能工具能够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、收缩功能障碍以及左心室射血分数等状况。这项研究建立在之前的成果之上，包括 2023 年发表在《欧洲心脏杂志》（European Heart Journal）上的一项研究，证明了该技术的准确性。
德克萨斯大学奥斯汀分校（UT Austin）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，可以从多个心脏视角整合信息，自动识别心脏病专家在完整报告中会包含的关键测量值和异常情况。”
PanEcho 是基于从 2016 年 1 月至 2022 年 6 月期间收集的 999,727 份耶鲁纽黑文健康系统（Yale New Haven Health）患者的超声心动图视频开发的。研究人员随后使用来自 5,130 名耶鲁纽黑文健康系统患者的研究以及三个外部数据集验证了该工具，这些数据集分别来自匈牙利布达佩斯塞梅尔魏斯大学（Semmelweis University）的心血管中心、斯坦福大学医院（Stanford University Hospital）和斯坦福医疗保健（Stanford Health Care）。
“该工具现在可以测量和评估多种心脏状况，使其在未来临床应用中更具吸引力，”心血管内科临床研究员兼本研究的共同第一作者 Evangelos K. Oikonomou 医学博士、哲学博士表示。“尽管它具有很高的准确性，但其解释性可能不如临床医生的读片结果。这仍然是一个算法，需要人工监督。”
人工智能在超声心动图解读中的潜在角色
虽然 PanEcho 尚未用于临床，但论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读片工具，帮助评估超声心动图实验室中的图像和视频。它还可以作为第二双眼睛，帮助识别现有数据库中可能遗漏的异常。
研究人员还指出，这项技术在资源匮乏的环境中可能特别有价值，在这些地方，设备和熟练的超声心动图技师的获取受到限制。在这些环境中，临床医生通常依赖手持式即时护理超声设备，这些设备产生的图像质量较低，解读起来更具挑战性。
为了验证模型在即时护理超声中的准确性，研究人员使用了耶鲁纽黑文医院（Yale New Haven Hospital）急诊科的成像数据，该部门在常规护理中进行即时护理超声检查。
“我们复制了全球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超声设备，并等待其他地方的心脏病专家解读这些图像，”Khera 表示。“即使在图像质量较低的情况下，我们的模型也非常稳健，能够获取做出高精度判断所需的信息。”
持续研究以评估人工智能工具的有效性
Khera 及其同事正在开展研究，以评估使用该工具可能会如何改变耶鲁超声心动图实验室的患者护理。
“我们正在进一步了解临床医生如何在真实环境中使用该工具，包括他们的工作流程变化、对信息的反应，以及该工具在临床背景下的附加价值，如果有的话，”Khera 表示。
“像本研究验证的这类人工智能工具，有潜力帮助我们提高效率和准确性，最终使我们能够筛查和治疗更多的心血管疾病患者，”罗伯特·W·柏林纳医学教授（心血管内科）兼耶鲁心血管医学主任 Eric J. Velazquez 医学博士表示。“我为耶鲁持续投资于前沿研究，帮助我们创新新的护理方式感到自豪。”
完整的模型和权重已通过开源提供，研究团队鼓励其他研究人员使用他们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，以及塞梅尔魏斯大学的 Márton Tokodi 医学博士、哲学博士和 Attila Kovács 医学博士、哲学博士。
(全文结束)
