江苏
中国香港中文大学威尔士亲王医院的研究团队在今年美国心脏病学会ACC年会上发布了一项重要研究成果：成功开发并验证了一种基于深度学习的AI工作流程，用于精确评估三尖瓣反流(TR)的严重程度，该研究有望提高临床诊断的一致性和患者预后。
三尖瓣反流的严重程度评估在经胸超声心动图(TTE)检查中一直具有挑战性。自动化工具的开发为临床实践中诊断和量化三尖瓣反流可以提供显著优势。该研究旨在通过整合多种超声心动图参数，开发一种自动化的AI工作流程，提高诊断的一致性和患者预后。
研究团队使用三个大型TTE数据库(约1600名患者)开发了AI算法，并在香港威尔士亲王医院的642名患者的独立队列中进行验证，其中159名无TR，186名轻度TR，137名中度TR，以及160名重度TR患者。以超声心动图专家确定的TR严重程度作为参考标准。
这套AI系统实际上包含了六个不同的深度学习模型，它们共同工作来评估三尖瓣反流的严重程度：
五个专门测量模型：这些模型各自负责从超声心动图图像中测量不同的医学参数，包括：
缩窄部宽度(VCW)：测量反流血液通过的最窄部位宽度
TR喷射区域：测量反流血液在心脏内形成的喷射区域大小
PISA半径：近端等速表面积的半径，用于计算反流量
有效反流口面积(EROA)：实际反流口的面积大小
连续波TR速度(CWTrV)：测量反流血液的速度
图像来源：上述五个模型使用两种标准的超声心动图视图来获取这些测量数据：
心尖四腔彩色多普勒(A4C CD)视图：从心尖部位看到的四个心腔的彩色血流图像
右心室流入彩色多普勒(RV inflow CD)视图：专门观察血液流入右心室的彩色血流图像
整体预测模型：第六个模型采用卷积神经网络(CNN)技术，它不只看单一图像，而是分析整个超声心动图视频序列，直接预测三尖瓣反流的严重程度。
这些模型的输出整合为多参数TR分级系统，每个参数被赋予严重程度评分和权重，加权总和被标准化为0到1的量表。
研究结果
AI成功分析了97.7%的病例，平均处理时间为每例80秒。模型在分级所有TR严重程度水平上达到了0.72的总体准确率，这一结果证实了AI多模型结合的方法比单一评估方法更全面可靠。
在区分显著性TR(中度或重度)和非显著性TR(无或轻度)方面，该模型表现出更出色：
准确率：0.91(95%CI：0.88-0.94)
敏感性：0.93(95%CI：0.90-0.96)
特异性：0.90(95%CI：0.85-0.92)
基于AI的多参数工作流程能够实现快速、准确和可靠的TR严重程度评估，通过标准化TTE评估，它可以改进诊断、风险分层和治疗计划，最终提升患者诊疗质量。
全面工作
传播矩阵
FOLLOW US
苏州工业园区东方华夏心血管健康研究院
电话：0512-68295918
邮箱：info@ccahouse.org
网址：https://www.ccahouse.org
地址：苏州工业园区水坊路36号姑苏会平江馆心脏之家
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
