耶鲁大学新研究发现，AI 工具可在几分钟内解释超声心动图

快速阅读: 据《耶鲁新闻》称，耶鲁医学院研究发现AI工具PanEcho可快速准确解读超声心动图，提升诊断效率。该工具在多种场景中表现良好，未来有望辅助临床工作。

心脏科医生使用超声心动图来诊断心脏的各种功能或结构异常。通常使用超过100个视频和图像，捕捉心脏的不同部分，超声心动图技术人员会进行数十项测量，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，以评估患者的心脏健康状况。一项由耶鲁医学院（YSM）研究人员主导并发表在《JAMA》上的新研究发现，一种人工智能（AI）支持的工具可以在几分钟内以很高的准确度解读超声心动图。“超声心动图是心血管护理的核心，但需要大量高技能读者花费大量的临床时间来审查这些研究，”耶鲁医学院心脏病学助理教授、耶鲁公共卫生学院生物统计学（健康信息学）助理教授罗汉·赫拉博士表示。赫拉是该论文的通讯作者及心血管数据科学实验室（CarDS）主任。“我们想要开发一种技术，帮助这些非常忙碌的超声心动图技术人员提高准确性并加快他们的工作流程。”

研究人员发现，AI工具PanEcho可以根据多视角超声心动图执行39项诊断任务，并能准确检测严重主动脉狭窄、收缩功能障碍和左心室射血分数等疾病。这项研究建立在之前的研究基础上，包括2023年发表在《欧洲心脏杂志》上的文章，证明了该技术的准确性。德克萨斯大学奥斯汀分校的格雷格·霍尔斯特博士，同时也是赫拉指导的博士生，以及该研究的共同第一作者表示：“我们开发了一种工具，可以整合来自心脏多个视角的信息，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是利用2016年1月至2022年6月期间从耶鲁纽黑文健康系统患者中收集的999,727个超声心动图视频开发的。研究人员随后使用5,130名耶鲁纽黑文健康系统患者的资料以及匈牙利布达佩斯塞梅尔维斯大学心血管中心、斯坦福大学医院和斯坦福医疗系统的三个外部数据队列对该工具进行了验证。

“该工具现已能够测量并评估多种心脏状况，使其在未来临床应用中更具吸引力，”该研究的临床研究员（心血管医学）埃万杰洛斯·K·奥伊科诺莫乌博士表示，他也是该研究的共同第一作者。“虽然它高度准确，但它的可解释性可能不如临床医生的判断。它仍是一个算法，需要人工监督。”

人工智能在解读超声心动图中的潜在应用

尽管PanEcho尚未投入临床使用，但该论文讨论了该技术的几种潜在未来临床应用。例如，超声心动图技术人员可以将该工具用作初步阅读器，以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被遗漏的异常情况。研究人员还指出，这种技术在资源有限的环境中可能特别有价值，因为在这些地方，设备和熟练的超声心动图技术人员的获取受到限制。在这些环境中，临床医生通常依赖便携式床旁超声检查，这些设备产生的影像质量较低，更难解读。

为了验证模型在床旁超声检查中的准确性，研究人员使用了耶鲁纽黑文医院急诊科的影像资料，该部门将床旁超声检查作为常规护理的一部分。“我们复制了全球资源匮乏地区的体验，那里的临床医生通常使用便携式超声设备，并等待其他地方的心脏病专家解读这些影像，”赫拉表示，“即使影像质量较低，我们的模型依然表现稳健，并获得了做出高度准确判断所需的信息。”

关于AI工具有效性的持续研究

赫拉和他的同事目前正在开展研究，以评估使用该工具如何改变耶鲁超声心动图实验室的患者护理。“我们正在深入了解临床医生在现实环境中如何使用该工具，包括他们工作流程的修改、他们对信息的反应，以及该工具在临床背景下的价值，”赫拉表示。“像本研究中所验证的这类AI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患有心血管疾病的患者，”耶鲁心血管医学罗伯特·W·贝林纳医学教授埃里克·J·维拉兹克斯博士表示。“我为耶鲁继续致力于投资前沿研究，帮助我们创新新的护理方式感到自豪。”

完整的模型和权重可通过开源方式获取，研究团队鼓励其他研究人员使用自身的超声心动图研究对该模型进行测试和优化。其他研究作者包括德克萨斯大学奥斯汀分校的张阳扬博士，以及塞梅尔维斯大学的马尔顿·托科迪博士和阿蒂拉·科瓦奇博士。

本文报道的研究由美国国立卫生研究院（奖项R01HL167858、K23HL153775、R01AG089981和F32HL170592）、耶鲁大学和其他资金来源资助。内容仅由作者负责，不一定代表美国国立卫生研究院的官方观点。

(以上内容均由Ai生成)