使用AI预测心脏性能的重要指标

冠心病是全球成人死亡的主要原因。冠状动脉造影程序为几乎所有相关的临床决策提供临床标准诊断评估，从药物到冠状动脉搭桥手术。在许多情况下，在进行冠状动脉造影时量化左心室射血分数 (LVEF) 对于优化临床决策和治疗决策至关重要，尤其是在对可能危及生命的急性冠脉综合征 (ACS) 进行血管造影时。

由于左心室是心脏的泵血中心，因此测量腔室中的射血分数可提供有关每次收缩时离开心脏的血液百分比的关键信息。目前，在血管造影期间测量LVEF需要一种称为左心室造影的额外侵入性手术 - 将导管插入左心室并注射造影剂 - 这会带来额外的风险并增加造影剂暴露。

在JAMA心脏病学发表的一项研究中，资深作者和UCSF心脏病专家Geoff Tison，MD，MPH和蒙特利尔心脏研究所的第一作者Robert Avram，MD着手确定深度神经网络(DNN)是否可用于预测标准血管造影视频中的心脏泵(收缩)功能。他们开发并测试了一种名为CathEF的DNN，以估计心脏左侧冠状动脉造影的LVEF。

“CathEF提供了一种新颖的方法，利用每次血管造影期间常规收集的数据来提供临床医生目前在血管造影期间无法获得的信息，有效地扩展了人工智能医疗数据的效用，并提供实时LVEF信息，为临床决策提供信息，”加州大学旧金山分校医学和心脏病学副教授Tison说。

研究人员对来自4，042名UCSF患者的3，679个成人血管造影与相应的经胸超声心动图(TTE)相匹配进行了横断面研究，并训练了一个基于视频的神经网络来估计降低的LVEF(小于或等于40%)，并预测(连续)左冠状动脉标准血管造影视频的LVEF百分比。

结果表明，CathEF准确预测了LVEF，与超声心动图LVEF测量结果具有很强的相关性，这是标准的无创临床方法。该模型还在渥太华心脏研究所的真实血管造影中进行了外部验证。该算法在不同的患者人口统计和临床条件下表现良好，包括急性冠脉综合征和不同水平的肾功能——可能不太适合接受标准左心室造影手术的患者群体。

“这项研究提供了一种评估LVEF的新方法，LVEF是心脏功能的重要测量，在任何常规冠状动脉造影期间，不需要额外的程序或增加成本，”介入心脏病专家和前UCSF研究员Avram说。“LVEF对于在手术过程中做出决定和管理患者护理至关重要。

尽管该算法是在UCSF的大型血管造影数据集上进行训练的，然后在渥太华心脏研究所的数据集中进行了单独验证，但研究人员正在进行进一步的研究，以在护理点测试该算法，并确定其对心脏病发作患者的临床工作流程的影响。为此，正在进行一项针对 ACS 患者的多中心前瞻性验证研究，以比较 CathEF 和左心室造影与 ACS 后 7 天内进行的 TTE 的性能。

“这项工作表明，人工智能技术有可能减少对侵入性测试的需求，提高心脏病专家的诊断能力，最终改善患者的预后和生活质量，”Tison说。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！