導語：作為2024年服貿會重要組成部分之一，國家衛生健康委員會百姓健康頻道(CHTV))定於9月13日在京舉辦“2024首都國際醫學大會的平行論壇——數智醫療與醫學人工智能創新論壇”，CHTV&醫學論壇網將為您帶來AI賦能醫療的係列報道，今天我們就來聊一聊人工智能在醫學影像中的改革和創新。

心髒功能評估在心血管疾病管理中扮演著關鍵角色。近年來，整體縱向應變(Global Longitudinal Strain, GLS)作為一項評估左心室功能的指標，因其較高的可重複性和預測價值而備受關注。然而，傳統的GLS測量方法存在專有超聲係統依賴性高、操作複雜、成本高昂的問題，這些因素限製了其在臨床實踐中的廣泛應用。不同超聲係統間的測量結果差異也進一步影響了GLS的標準化和可比性。

為了應對上述挑戰，JACC: Cardiovascular Imaging雜誌於2024年8月發表了一篇題為“基於英國全國合作項目的開放數據的人工智能二維超聲心動圖整體縱向應變”的重要研究。該研究利用人工智能技術與來自英國廣泛合作的開放數據，實現了GLS測量的自動化和標準化。這一創新不僅有望降低GLS測量的技術門檻，還有助於提高其在不同機構和係統間的一致性，推動這一技術在臨床實踐中的進一步應用和發展。

01

研究方法

本研究是一項前瞻性多中心合作研究，旨在開發並驗證一種基於人工智能的開放式GLS測量方法。研究納入了來自英國各地的6 819個心尖四腔、兩腔和三腔圖像，通過多圖像神經網絡技術(Unity-GLS)進行訓練，以識別環、頂點和心內膜曲線。外部驗證數據集包括100個超聲心動圖，由11位專家獨立標記，形成共識追蹤和點。主要評價指標為GLS的測量值，次要終點包括專家共識值與個體專家測量值之間的相關性，以及機器方法與專家共識值之間的一致性。

注：Unity在線平台允許英國各地的專家輕鬆快速地注釋醫學圖像，專家們使用該平台標記關鍵點和曲線，如上圖所示的心內膜邊界。

圖1 基於網絡的Unity界麵

02

研究結果

Unity-GLS的準確性與一致性優勢

研究表明，Unity-GLS算法在測量GLS方麵具有明確的準確性和一致性。與11位專家的集體判斷相比，Unity-GLS的絕對誤差中位數為1.3 GLS，這一結果優於各位專家獨立測量的2.0 GLS(表1)。統計分析表明，這種差異具有統計學意義(P<0.05)，從而證實了Unity-GLS在減少測量誤差方麵的顯著優勢。此外，Unity-GLS與11位專家獨立評估後形成的集體判斷結果(即專家組共識)之間的相關性中位數達到了0.91，顯示出高度的一致性。相較於兩種專有軟件包的相關性0.73和0.79，Unity-GLS的表現更為突出(圖2)。

圖2 兩種專有軟件包和Unity-GLS計算結果與專家集體判斷結果之間的相關性

專家共識與個體專家測量的比較分析

結果顯示，獨立專家測量結果與專家組集體判斷值之間的相關性中位數為0.85，這一數值顯著低於Unity-GLS算法GLS測量結果與專家集體判斷值之間的相關性(0.91,P<0.001)。從而可以看出,即使是資深專家，在GLS測量上也存在一定程度的差異性。Unity-GLS的高相關性在統計學上表明其在測量一致性上具有潛在的優勢，且這種差異性是顯著的(P<0.05)。這意味著，Unity-GLS作為一種人工智能工具，在提供標準化和可重複性測量方麵具有可靠性。

機器方法與專有軟件的性能對比

在與兩種專有軟件包的比較中，Unity-GLS的性能同樣表現出了優勢。專有軟件A和B的誤差分別為2.5、2.2 GLS，與Unity-GLS的1.3 GLS相比差異顯著(P<0.05，表1)。此外，兩種專有軟件之間的相關性為0.77，而Unity-GLS的相關性更高，這進一步證實了Unity-GLS在測量準確性上的優勢。

視覺排名的額外驗證及其意義

研究人員還采用了專家的視覺排名作為額外的驗證方法，以評估GLS測量的相關性。Unity-GLS在視覺排名的相關性上達到了0.77，而各專家獨立測量的相關性為0.72。雖然這一差異在統計學上不顯著，但它仍然表明Unity-GLS在反映專家視覺評估方麵的一致性上具有一定優勢(圖3)。

注：上圖展示了專家共識曲線（粗白線）與Unity-GLS（紅線）輸出之間一致性最佳（頂部）、中位數（中間）和最差（底部）的3個案例。

圖3 具有代表性的心尖四腔病例，顯示專家意見，專家集體意見，以及追蹤左室內膜的Unity-GLS輸出

03

總結

本研究通過創新性地將人工智能技術應用於二維超聲心動圖的全局縱向應變(GLS)測量，實現了對心髒功能的精準評估。Unity-GLS算法以其0.91的高相關係數，顯著超越了獨立專家與專家組共識之間的相關性，凸顯了AI在提高測量一致性和準確性方麵的顯著優勢。這一突破不僅減少了對專有技術的依賴，降低了成本，還為臨床醫生提供了一個可靠、高效的輔助工具，有望推動心血管疾病診斷和治療的標準化進程。此外，Unity-GLS的開放性和透明性為全球醫學研究者提供了寶貴的資源，促進了技術的共享與創新，預示著AI在醫學影像領域應用的廣闊前景。

參考文獻

STOWELL C C, HOWARD J P, NG T, et al. 2-Dimensional Echocardiographic Global Longitudinal Strain With Artificial Intelligence Using Open Data From a UK-Wide Collaborative[J]. JACC Cardiovasc Imaging, 2024, 17(8):865-876. DOI: 10.1016/j.jcmg.2024.04.017.

編輯：梨九

二審：且行

三審：清揚

排版：半夏