人工智能使超声心动图检查更快、更容易

首个人工智能辅助超声心动图前瞻性随机对照试验显示，人工智能 (AI) 有助于更快速、更高效地生成超声心动图，提供更高质量的图像并减少操作员的疲劳。

日本的研究使用了 Us2.ai 软件，该软件由 11 个国家的研究平台开发，并得到新加坡科学技术研究局的支持。该系统和另一个新开发的人工智能系统 PanEcho（由康涅狄格州纽黑文市耶鲁大学医学院和德克萨斯大学奥斯汀分校开发）可以自动分析各种结构、功能和心电图视图。对这两个系统的研究已在2024 年美国心脏协会 (AHA) 科学会议。

“当你将计算机科学家介绍给心脏病专家时，就会发生这种情况，”加利福尼亚州洛杉矶雪松-西奈医疗中心的心脏病专家 David Ouyang 医学博士说。“它确实可以开发令人兴奋的新技术。”欧阳没有参与其中的任何一项研究，但领导了之前对另一个人工智能平台的研究，Echo-Net Dynamic，由加利福尼亚州帕洛阿尔托的斯坦福大学开发，事实证明，它比人类对超声心动图左心室射血分数的解释更好。

人工智能的速度和精度

超声心动图欧阳表示，心脏成像最常见的形式是“使用人工智能的理想场所”。“它涵盖了所有疾病；我们将它用于病情严重的患者以及健康患者进行筛查。”他解释说，超声心动图便宜、便携，并且不涉及辐射，但观察者之间的解释和图像质量的差异是其致命弱点。

人工智能旨在减少判读的可变性并提高图像质量。日本东京顺天堂大学研究员 Nobuyuki Kagiyama 博士表示，它还可以增加一天内进行的考试数量。他提出了一项研究，涉及在日本一个中心工作的四名超声医师，那里的人均超声心动图检查率高于美国。

德克萨斯大学奥斯汀分校电气工程博士研究生、心血管数据科学实验室研究员 Gregory Holste 表示，人工智能还可以帮助克服“主要瓶颈：解释图像和视频的高技能人员的机会有限”。耶鲁大学和 PanEcho 验证研究的研究员。PanEcho 模型接受了超过 120 万个视频（包含 5000 万张图像）的训练，并选择了五个可以检测异常情况同时保持较高准确率的视图。

霍尔斯特说：“这是人工智能真正简化回声采集的一种方式，并且可能对训练有素的技术人员或超声检查人员的机会有限的环境产生重大影响。”由于需要更少的视图，它可以“实现自动化心血管医疗保健，否则这些人群将无法获得这些医疗服务。”

超越炒作

这些研究证明了人工智能对于医疗保健核心技术的价值。在日本进行的随机对照试验研究了 14 项任务，结果表明 AI 返回了几乎所有的值，并且在 85% 到 99% 的情况下生成的值都在医生最终报告的范围内（尽管单个任务的比率较低）测量）。盲审者将 31% 的非 AI 图像和 41% 的借助 AI 生成的图像评为优秀；其余大部分被评为良好。然而，超声检查人员的数量（四名）和研究的时间跨度（38 个工作日）是有限的。

PanEcho 的验证研究显示了类似的准确率，系统极有可能准确报告 39 项测量结果。该人工智能模型针对其开发所在的同一卫生系统中的后来队列以及斯坦福大学的公共超声心动图数据集进行了验证。验证表明，尽管 PanEcho 尚未在试验中进行测试，但结果可以推广到不同的患者群体。

欧阳指出，日本的研究具有前瞻性，并得到了外部验证，但人工智能模型的训练数据集较小。相比之下，PanEcho 研究采用回顾性设计，主要在内部进行验证，并且基于大型训练数据集。

另一个区别是闭源软件与开源软件。日本的研究涉及免费提供的闭源 Us2.ai 软件。PanEcho 的开发人员计划公开发布他们的编程代码，以帮助其他人开发用于超声心动图的人工智能。

欧阳说：“我对研究人员表示将公布代码和权重表示赞赏，这对开放科学很重要。”