由于诊断性超声检查的普及程度有限，腹主动脉瘤往往在破裂前都难以被发现。该研究评估了一种深度学习算法，该算法可指导无任何超声检查经验的初级护士进行腹主动脉瘤筛查。10名护士在深度学习目标检测算法的辅助下，各自对65岁以上的患者进行了15次扫描，并与医生进行的扫描进行了对比。超声扫描质量是主要评估指标，由三名不知情的专家医生进行评估。在184例患者中，深度学习辅助下的初级护士扫描质量达标率为87.5%，与医生的91.3%相当（p = 0.310）。深度学习模型预测腹主动脉瘤的曲线下面积（AUC）为0.975，灵敏度为100%，特异性为97.8%，与医生相比，预测主动脉宽度的平均绝对误差为2.8毫米。该研究表明，深度学习辅助下的床旁超声（POCUS）有望实现腹主动脉瘤筛查的普及化，提供与经验丰富的医生相当的检查效果，并改善早期检测情况。
DOI: 10.1038/s41746-024-01269-4
