每日毅讯｜JACC子刊：基于AI的心超单动图就可以诊断HFpEF

每日毅讯+

相对于人工智能（AI）图像识别技术在肿瘤诊断方面的广泛应用，AI在心血管领域中的图像识别与诊断中应用较少。射血分数保留的心力衰竭（HFpEF）占据了心力衰竭患者的1/2左右，且具有相似的心血管风险，目前又有有效的治疗手段，因此对HFpEF的早期诊断非常重要。但是，临床上基于患者的临床特征和心超图像进行的HFpEF诊断，过程相当繁琐。近期，JACC：Advances杂志发表了一篇基于AI的心超单动图诊断HFpEF的研究，显示了较高的诊断效能。

研究者们开发了一种3D卷积神经网络算法，基于患者经胸心超（TTE）心尖四腔心切面的单动图视频片段上进行训练，对HFpEF患者（定义为：心力衰竭诊断+射血分数≥50%+左心室充盈压增加的超声心动图证据）与无HFpEF患者（射血分数≥50%+未诊断心力衰竭+左心室充盈压正常）进行甄别。模型输出分为HFpEF、无HFpEF或不确定。在独立的多点数据集中评估算法诊断性能，并与之前验证的HFpEF临床评分进行比较。

研究结果显示：训练和验证集包括2,971例HFpEF病例和3,785例对照，AI算法表现了出色的区分能力（ROC曲线下面积：0.97 [95% CI：0.96-0.97]和0.95 [95% CI：0.93-0.96]在训练集和验证集中）。在独立测试集中（646例病例，638例对照），94例（7.3%）未确诊；临床相关亚组中保持了高敏感性（87.8%；95% CI：84.5%-90.9%）和特异性（81.9%；95% CI：78.2%-85.6%），且具有较高的可重复性和再现性。与临床上常用的几个HFpEF评分（心力衰竭协会预测试评分、超声心动图和利尿钠肽评分、功能测试 HFA-PEFF评分以及H2FPEF评分）相比，在两个测试人群中，AI算法的正确重新分类（NRI）分别为73.5%和73.6%。随访期间（中位2.3年 [IQR：0.5-5.6] 年），444名患者（34.6%）死亡。根据AI算法分类为HFpEF的患者死亡率较高（HR=1.9 [95% CI：1.5-2.4]）。

“毅讯点评”

本研究充分利用了人工智能区分1和0的暗箱操作特性，在忽略了患者临床特征的情况上，利用单独片段的常规经胸心超四腔心切面的动图信息，进行了HFpEF的筛查，成功构建了算法模型并在外部测试集获得了80%以上的特异性和敏感性。本研究与其他心超AI算法一样，将有助于推动HFpEF的心超初筛，期待以后这些算法能与硬件软件结合，帮助心超医师在切面获取后就能提示高度怀疑HFpEF的信号，切实提高HFpEF的早筛效率。如果结合目前明确有效的HFpEF早期治疗药物，这将极大程度的改善心衰治疗的现状。

参考文献：

https://www.jacc.org/doi/10.1016/j.jacadv.2023.100452

本文技术观点不代表CCI观点

作者简介

张毅，FACC，FESC，上海市第十人民医院泛血管中心主任；同济大学研究员、副教授、博导；CCI执行委员；中华医学会内科学分会青年副主委；上海医学会高血压学组副组长；上海市优秀技术带头人。

CCI心血管医生创新俱乐部扫码关注

打赏