中國香港中文大學威爾士親王醫院的研究團隊在今年美國心臟病學會ACC年會上發布了一項重要研究成果：成功開發并驗證了一種基于深度學習的AI工作流程，用于精確評估三尖瓣反流(TR)的嚴重程度，該研究有望提高臨床診斷的一致性和患者預后。

三尖瓣反流的嚴重程度評估在經胸超聲心動圖(TTE)檢查中一直具有挑戰性。自動化工具的開發為臨床實踐中診斷和量化三尖瓣反流可以提供顯著優勢。該研究旨在通過整合多種超聲心動圖參數，開發一種自動化的AI工作流程，提高診斷的一致性和患者預后。

研究團隊使用三個大型TTE數據庫(約1600名患者)開發了AI算法，并在香港威爾士親王醫院的642名患者的獨立隊列中進行驗證，其中159名無TR，186名輕度TR，137名中度TR，以及160名重度TR患者。以超聲心動圖專家確定的TR嚴重程度作為參考標準。

這套AI系統實際上包含了六個不同的深度學習模型，它們共同工作來評估三尖瓣反流的嚴重程度：

1. 五個專門測量模型：這些模型各自負責從超聲心動圖圖像中測量不同的醫學參數，包括：

• 縮窄部寬度(VCW)：測量反流血液通過的最窄部位寬度

• TR噴射區域：測量反流血液在心臟內形成的噴射區域大小

• PISA半徑：近端等速表面積的半徑，用于計算反流量

• 有效反流口面積(EROA)：實際反流口的面積大小

• 連續波TR速度(CWTrV)：測量反流血液的速度

圖像來源：上述五個模型使用兩種標準的超聲心動圖視圖來獲取這些測量數據：

• 心尖四腔彩色多普勒(A4C CD)視圖：從心尖部位看到的四個心腔的彩色血流圖像

• 右心室流入彩色多普勒(RV inflow CD)視圖：專門觀察血液流入右心室的彩色血流圖像

整體預測模型：第六個模型采用卷積神經網絡(CNN)技術，它不只看單一圖像，而是分析整個超聲心動圖視頻序列，直接預測三尖瓣反流的嚴重程度。

這些模型的輸出整合為多參數TR分級系統，每個參數被賦予嚴重程度評分和權重，加權總和被標準化為0到1的量表。

研究結果

AI成功分析了97.7%的病例，平均處理時間為每例80秒。模型在分級所有TR嚴重程度水平上達到了0.72的總體準確率，這一結果證實了AI多模型結合的方法比單一評估方法更全面可靠。

在區分顯著性TR(中度或重度)和非顯著性TR(無或輕度)方面，該模型表現出更出色：

• 準確率：0.91(95%CI：0.88-0.94)

• 敏感性：0.93(95%CI：0.90-0.96)

• 特異性：0.90(95%CI：0.85-0.92)

基于AI的多參數工作流程能夠實現快速、準確和可靠的TR嚴重程度評估，通過標準化TTE評估，它可以改進診斷、風險分層和治療計劃，最終提升患者診療質量。

全面工作

傳播矩陣

FOLLOW US

• 蘇州工業園區東方華夏心血管健康研究院

• 電話：0512-68295918

• 郵箱：info@ccahouse.org

• 網址：https://www.ccahouse.org

• 地址：蘇州工業園區水坊路36號姑蘇會平江館心臟之家