AI 系統分析心臟磁共振掃描速度超越臨牀醫生,但仍需專業驗證結果

一個人工智能系統能夠在幾秒鐘內分析心臟磁共振成像(CMR)掃描,為醫生提供更快速的心臟功能評估方法。然而,醫療專業人員仍需審查和驗證其結果。研究人員分析了來自英國和美國醫療中心的 27,382 份掃描結果,並比較了人工智能系統提供的測量結果與經驗豐富的臨牀醫生所提供的測量結果。研究的測量指標為左心室射血分數(LVEF),該指標能估計每次心跳時心臟主腔室泵出的血量,對於評估心臟功能和指導治療具有重要意義。

在中位隨訪 5.6 年的期間內,有 3,458 名患者(13%)去世。人工智能系統能迅速分析數據,所需時間約為 3-4 秒。先前的研究顯示,臨牀醫生手動分割掃描的中位時間為 13 分鐘。

人工智能系統在心臟功能評估中的應用潛力

接著,研究團隊分析了這些測量結果對於預測死亡率的準確性。使用人工智能提供的測量結果的模型顯示,在未調整年齡和性別的情況下,C-index 為 0.669,而臨牀醫生提供的測量結果則為 0.637。調整年齡和性別後,人工智能的 C-index 增加至 0.781,而臨牀醫生的則為 0.777。雖然人工智能模型的 C-index 較高,但在調整年齡和性別後有所減少,顯示出使用人工智能預測死亡率的改進幅度有限。

診斷之間也存在差異,人工智能的測量對於有阻塞性冠心病的患者預測死亡率的準確性較高,但在非缺血性心肌病患者中,這一差異不明顯。在肥厚性心肌病患者中,臨牀醫生的表現稍有改善,這可能是因為在分割過程中一些特徵,如超小梁和增大的乳頭肌,較難準確捕捉。

研究結果顯示人工智能的可靠性與挑戰

為了驗證該系統的可靠性,研究人員查看了一組 600 份掃描樣本,發現有 6 份在數據分割時出現錯誤,這意味著錯誤率為 1%。當射血分數的極端值特別低時,錯誤的出現頻率更高。人工智能測量的中位射血分數(57.8%)也低於臨牀醫生的測量(62.1%)。由於本研究未使用獨立的金標準來確定哪些測量在解剖上更為準確,因此不應將其解釋為絕對正確。然而,本研究存在一些限制,由於其為回顧性研究,無法顯示人工智能的使用是否影響了治療選擇或改善了患者的結果。

大多數患者來自英國的一個醫療中心,且未在不同族羣中進行性能評估。

總體而言,研究結果支持在臨牀中將人工智能作為測量射血分數的初步工具,並由臨牀醫生進行驗證。未來需進行前瞻性研究,以證明使用該系統能提高護理質量,因為節省了時間,並且在不同醫院和患者羣體中具有成本效益。該研究發表於《柳葉刀數字健康》期刊。

Henderson
Henderson

Henderson 是 TechRitual Hong Kong 科技編輯,專注報導智能手機、消費電子產品、SIM 卡及流動通訊市場。自加入 TechRitual 以來,累計撰寫數千篇科技報導及產品評測,內容同步發佈至 SINA 及 Yahoo Tech 等主要平台。

友情網站:國際版 / TechRitual WorldThe Base Principle(AI・工程)