人工智能（AI）辅助的单幅图像组织多普勒信号分析用于表征右心室功能障碍

《Echocardiography》：Artificial Intelligence (AI)-Facilitated Analysis of Single-Image Tissue Doppler Signal to Characterize Right Ventricular Dysfunction

右心室功能评估中，自动化算法结合全周期信号显著优于传统参数模型。研究开发了从TDI波形提取TAPSE/S'的算法，并与CMR数据验证，发现整合模型在预测右心室射血分数(RVEF)<45%时AUC达0.768，且对外部肺高血压队列的生存分析具有统计学意义。

　　

摘要

背景

通过经胸超声心动图（TTE）对右心室（RV）功能的定量评估通常依赖于三尖瓣环平面收缩期位移（TAPSE）和三尖瓣环侧向收缩期峰值速度（S′）。然而，完整的心周期数据可能提供超出这两个收缩期指标的额外信息。

目的

我们的目标是（1）利用组织多普勒成像（Tissue Doppler Imaging [TDI]）自动化计算收缩期参数（TAPSE和S′）；（2）将这些表格化的收缩期参数与完整的心周期功能信号结合，以评估RV的收缩期功能。

方法

我们选取了387名在24小时内同时接受了TTE和心脏磁共振成像（CMR）检查的患者。我们开发并验证了一种从原始TDI数据中提取TAPSE和S′的自动化算法。我们训练了两个用于识别RV功能障碍（RVEF < 45%）的分类模型：（1）表格模型（RVD_TABULAR），该模型使用算法测量的TAPSE/S′以及年龄/性别作为特征；（2）集成模型（RVD_INTEGRATED），这是一个基于注意力的神经网络模型，它不仅使用表格数据，还利用了所有数字化的TDI波形。

结果

在TTE-CMR配对数据集中，所提出的算法能够准确估计S′（平均误差：?0.05 cm/s）和TAPSE（平均误差：?0.97 mm）。表格模型RVD_TABULAR在预测RVEF < 45%时的AUROC为0.71，AUPRC为0.48；而集成模型RVD_INTEGRATED的表现显著更好（AUROC：0.768；AUPRC：0.56）。在患有肺动脉高压（PH）的外部验证队列中，集成模型的预测结果与无事件生存率显著相关（p = 0.036）。

结论

我们开发了一种完全自动化的流程，该流程将数字化的TDI波形与参数化和非参数化特征相结合，用于分类RVEF < 45%的患者。这种方法可以有效对肺动脉高压患者进行风险分层。

利益冲突

Sandeep Sahay：United Therapeutics、Liquidia technologies、MERCK、Keros therapeutics、Alivegen的顾问和咨询专家；接受United Therapeutics、Gossamer Bio、Liquidia technologies、Keros、Pulmovant的临床试验支持。同时担任NIH K08和K23项目评审委员会的主席和成员。其他作者声明没有利益冲突。