JAHA：人工智能在风湿性心脏病检测中的应用

风湿性心脏病(RHD)影响全球约4000万人，每年夺去近30万人的生命，是儿童和年轻人心脏病发病和死亡的主要原因。RHD是一种地域不平衡疾病，主要影响生活在低收入和中等收入国家的人群。在全球范围内，大多数RHD患者诊断较晚，只有在出现晚期心脏病症状或并发症时才诊断出来。在症状出现之前，通过超声心动图识别潜伏性RHD的儿童，为启动二级预防和预防疾病进展提供了机会。已发表的且有限的人工智能研究评估了机器学习检测和分析二尖瓣反流或在标准便携式超声心动结果上检测RHD存在的潜力。

近日，心血管疾病领域权威杂志JAHA上发表了一篇研究文章，研究人员使用了511张儿童超声心动图检查结果，重点是二尖瓣的彩色多普勒图像。超声心动图检查结果由专家评审小组独立审查。

在511张儿童超声心动图检查结果中，229名正常人，282例RHD患者。研究人员采用的自动化方法包括使用卷积神经网络协调超声心动图以定位收缩期左心房，并使用二尖瓣反流射流分析和具有注意机制的深度学习模型进行RHD检测。

研究人员确定了正确的视野平均精度为0.99，正确的收缩框架平均精度为0.94(根尖)和0.93(胸骨旁长轴)。它定位左心房，平均Dice系数为0.88(顶端)和0.9(胸骨旁长轴)。最大二尖瓣反流射流测量值与专家手动测量值相似(P值=0.83)，9个特征的二尖瓣反流分析显示，受试者工作特征曲线下面积为0.93，精度为0.83，召回率为0.92，F1评分为0.87。该研究的深度学习模型显示受试者工作特征曲线下的面积为0.84，精度为0.78，召回率为0.98，F1得分为0.87。

由此可见，人工智能有可能像心脏病专家一样准确地检测出RHD，并通过更多的数据进行改进。这些创新的方法有望扩大RHD超声心动图筛查的规模。

原始出处：

Kelsey Brown,et al.Using Artificial Intelligence for Rheumatic Heart Disease Detection by Echocardiography: Focus on Mitral Regurgitation.JAHA.2024.https://www.ahajournals.org/doi/10.1161/JAHA.123.031257