人工智能在心脏成像中的实用价值
第219期
讲课内容来源：2024年ASE会议
讲者：Charitha D.Reddy
讲者来自：斯坦福大学卢西尔·帕卡德儿童医院
本期翻译：王海蕊医生
本节讲者是Charitha D.Reddy，来自斯坦福大学卢西尔·帕卡德儿童医院。
讲者问：机器人未来会代替人类吗？当她问了一屋子的工程师时，很多人都回答是。不知道这对你们意味着什么，但人工智能和机器学习就在我们身边，这常常会让人兴奋不已，又夹杂着一些恐惧。
我认为人工智能的主要作用是让事情变得更容易。机器能够处理的数据比人类一生所能处理的数据要多得多，速度也更快。正因为如此，人工智能技术可以学习和复制人类所做的任务，而无需多年的训练。不断接触新数据，模型可以更快地进行迭代更新，并可能避免影响决策的偏倚。
最令人兴奋的是，由于机器能够处理的数据量巨大，因此可以使用人工智能来识别数据中先前已知的规律，心脏成像是开发人工智能技术的完美领域。它具有可复制的重复性、任务简洁性，但也由大量离散数据组成。
这意味着人工智能可以融入整个心脏成像流程。想象一下，如果有一个自动化流程，可以根据病情识别高危优先级患者，然后结合患者的其他临床信息建议适当的成像方式。成像质量和测量可能是最熟悉的方法，我们中的许多人已经在临床中使用了其中一些工具。这些工具可以提高测量和诊断效率。另一方面就是结果解释，先进的人工智能模型可以识别并利用自然语言处理自动生成初步结果解读。另一个环节是精准医疗，人工智能背景下的精准医疗包括预测和风险分层。最大的影响将在于，我们能够使用人工智能将诊断成像数据和其他临床数据结合起来，以帮助患者提供个性化的建议。
目前，心脏成像领域的大部分人工智能工作都集中在以下目标领域：图像的获取和优化、切面分类，自动测量和分割，结果解读和决策支持。接下来我们将分享每个目标领域的挑战和机遇，并回顾这些领域正在开展的一些工作。
在左侧的视频中，您可以看到 AI 引导调整声束位置以获得所需的胸骨旁长轴切面。至少有两项研究表明，医学生和床边护士等心脏成像新手能够使用这项技术获得专家水平的高质量图像。图像优化方面我们也正在进行一些有前景的工作。中间的图片来自一项研究，重点关注伪影消除和图像质量改善。右侧，该团队开发了一种算法，可以自动将图像质量从零到五进行分级，如彩条所示。该模型的表现非常好，并且接近专家的水平，这些技术的结合可以帮助建立数据集，为受训人员提供实时反馈，并推动质量改进和研究。
切面分类是第二个目标区域。我们已经根据子类、副类等等对视频片段进行了分组。然而，我们根据结构进行解释和报告，并从多个角度评估每个结构。这使得研究者需要在研究过程中来回重复滚动。我们都知道，通过视图分类，机器学习可以帮助实现自动分组。例如，研究完成后，您可以选择一个下拉菜单，根据解剖结构对视频片段进行分组。例如：针对三尖瓣下移畸形的患者，可以重点显示所有聚焦三尖瓣的切面。类似地，当比较先前的研究时，您可以将相应的图像组合在一起，即使原始研究是以不同的顺序进行的。左下角的图片显示了神经网络模型对心腔和边界的识别与人工标记的相似程度。
谢谢大家！
本期图文仅供参考学习
责任编辑
如果您喜欢我们的内容，可以点击右上角分享给亲友；如果您想给我们留言，可以直接回复公众号平台；如果您觉得内容对您及亲友有帮助，请关注我们的公众号平台。
指导教师：何怡华教授
图文编辑：杨旭医生 / 王子云
