儿科量化评估的未来—我们如何实现？
第210期
讲课内容来源：2023年ASE会议
讲者：Andrew J. Powell
讲者来自：波士顿儿童医院
本期翻译：谷孝艳医生
大家下午好！很高兴能参加这次会议，非常感谢项目委员会的邀请。
这是今天讲述内容的大纲。
讲者将谈论关于与儿科超声量化参数相关的变化。包括完善的正常值和Z值，越来越多的自动化测量，所以不必花那么多时间进行手动测量；然后讨论新的测量方法。
先从完善正常值这个话题开始。正常值的非常重要，它帮助区分健康人和患者，或者区分一些可能有患病风险的人。
在儿科领域，这是一个额外的挑战，因为这些正常范围会随着患者成长和年龄的变化而变化。
我们确实有儿科各年龄段的超声心动图参数正常范围，而且在过去的十年里，我们拥有的正常范围的数据变得更加可靠。
我们通过儿科心脏网络拥有来自北美的大样本队列。
在意大利，Dr.Canti 还有另一个可靠的队列。来自波士顿讲者的同事 Colon 博士，他创建了正常值。
而且把正常值的计算放在了网页上，还会定期更新，这里展示了其中一部分数据。
然而，也存在一些不足，首先，这些不同来源的正常值范围并不总是意见一致，例如。儿童主动脉峡部的测量，可以得到不同的Z-值结果，从而给临床造成困扰。另一个局限性是在实际测量时的方法不同，包括收缩期与舒张期, 以及应用了不同的方法来测量左心室容积等。
面对大量的测量结果，文献也分别采用了不同的统计方法来创建Z-scores。
因此，这也是导致Z-值结果变异性很大的另一个原因，即缺乏标准化。
我们都想知道基于种族的差异，但是这方面研究是欠缺的，所以需要进行深入的研究。
另外，某些亚群的数据相对较少，例如早产儿、肥胖儿童和运动儿童。
在一些新技术上的正常范围建立的也不理想，例如基于 3 D容积和压力。
最后，在许多情况下，报告报告中的正常值的应用程序和超声机器的结合不充分。
所以需要一个更大的、更多样化的儿科超声心动图数据。要实现这一目标，需要更多的多中心参与，需要能够去隐私化工作，明确图像，然后有效地将它们上传到云图像存储库。
理想情况下，还需附有关于这些数据的人口统计和诊断信息的链接。一旦建立了正常数据和正常值的图像存储库，就可以让每个人都能访问这个数据库。与此同时，需要将图像测量和统计方法标准化，而像ASE这样的协会与行业合作可以帮助我们做到这一点。一旦我们在数据库中有了这些正常的超声心动图，就需要对它们以标准化的方式进行测量。在这方面可以应用人工智能的力量。
用于在数据库中进行这些正常测量的AI工具可以提供给供应商，可以让每个人都使用相同的方法来进行测量。一旦我们有了这些值的正常范围，就需要通过网络和移动设备与供应商共享。每个人都可以使用这些AI工具，而且可以使报告应用程序定期更新。因此，我们不必依赖启动第三方应用程序来检查我们的测量值。
第二个主题是关于自动化测量，这也是非常重要的。人工测量在观察者之间差异较大，导致我们很难发现患者随时间的病程变化情况，而这对临床非常重要。目前的另一个问题是在常规检查中，新的测量参数的增加。例如应变，三维以及一些新技术。
在人力资源变得越来越稀缺的时候，这是很耗时的。便携式超声设备越来越多，而专业操作员较少。拥有一个自动化的测量系统可以保持这些检查的质量和效率。
讲者认为实现自动化测量的工具几乎都是通过基于人工智能的研究。这只是人工智能在超声心动图中发挥作用的步骤之一。
自动化测量已经应用于在成人超声心动图中，研究小组和供应商都做了很多工作，例如，已经可以用2D和3D的方法测量左室射血分数和左室容积，用2D和3D的方法测量应变，右室容积、舒张功能，多普勒、主动脉瓣和二尖瓣的瓣环径。
例如，测量峰值流速时，可以给它贴上多普勒跟踪标签，就会自动测量，用户不需要点击任何地方，同样，可以计算速度-时间积分，会自动跟踪多普勒边界然后可以给它贴上多普勒跟踪标签，进行自动测量。既可以节省时间，也具有可重复性。
就LV功能而言，也可以是自动化测量，软件可以自动选择适合的两腔，三腔和四腔心视图，在几秒钟内完成快速分析。
这个过程不需要用户绘制任何轮廓或标记任何解剖标志。
这里展示的是使用心尖双平面测量射血分数。
这里展示的是3D TEE自动测量瓣膜功能，用于主动脉瓣测量和计算瓣叶游离缘。
软件会追踪3d超声图像并自动分割自动创建3d模型，然后测量瓣叶游离缘长度，而不需要使用者太多的操作。
下面讨论自动化测量在儿科中的应用。最近斯坦福大学的Reddy博士小组发表了这篇文章，他们开发了一种人工智能工具来测量LVEF，使用5/6面积长度法来计算LVEF，人工智能估计的EF与人类专家相比，平均绝对误差为3.66%。这是较为准确的。此外，它能够准确地识别左室射血分数降低的患者，临界值是55%。
所以在未来，会看到越来越多的人工智能辅助测量。
我们也应该采取一些措施帮助尽快实现AI自动化测量，而这需要规范测量方法，需要输入大量由专家完成的包含每项测量病例。重要的是，这些测量数据需要来自不同的人群，所以它们将是通用的，可以在任何超声实验室使用；需要与多中心合作，并保证图像的质量。
已经完成专家测量的数据集，需要在一个精心策划的数据库中公开提供，以便许多人可以访问它们。这些测量一旦实现自动化，就需要与超声系统和机器，以及影像检查和报告软件保持一致。同样，不能为了访问这些工具而启动第三方应用程序。最后，当机器进行测量时坐在工作站另一端的人需要能够检查和质控。所以测量键或分割标记也应该显示在屏幕上是很重要的。
最后一个话题是一些新的测量方法即将出现，一个例子就是超快速超声波，它能做高帧率的血流动力学斑点跟踪，以便可视化和量化血流模式，能够以一种与角度无关的方式测量血液流速。现在这项能在儿科的研究实验室，这是一个九岁儿童的四腔心，左心室有复杂的血流模式，可以得到新的测量结果，比如涡度，能量损失和动能。
这是儿科的另一个患者，可以看到流经主动脉弓的复杂血流模式，而关于血液如何流动的指标可以帮助临床决策。
超快速超声的另一项功能是剪切波弹性成像，这是一种测量心肌僵硬度的方法，僵硬度可以帮助评估舒张功能
总而言之，儿科超声心动图量化的未来包括完善的正常值、更自动化的测量和一些新的测量方法。
整个医学界需要团结起来建立标准并共享数据，以使这一目标成为现实，而人工智能工具将促进这一转变。
感谢您的聆听！
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 / 张馨月
