综述：人工智能在心脏瓣膜疾病中的应用：创新与未来发展方向

《JACC: Cardiovascular Interventions》：Artificial Intelligence in Valvular Heart Disease: Innovations and Future Directions

AI在瓣膜性心脏病管理中的应用与挑战：涵盖诊断优化、手术规划、死亡率预测及教育模拟，同时讨论数据隐私、模型验证及临床整合难点。

　　

安妮特·马兹尼奇卡（Annette Maznyczka）、鲁特格-扬·努伊斯（Rutger-Jan Nuis）、艾萨克·希里（Isaac Shiri）、朱利安·特纳克尔（Julien Ternacle）、菲利普·加罗（Philippe Garot）、马克·M.P. 范登多佩尔（Mark M.P. van den Dorpel）、阿里夫·A. 科哈尔（Arif A. Khokhar）、拉斐尔·德卢西亚（Raffaele De Lucia）、米凯莱·奥里尼（Michele Orini）、谢尔比·库蒂（Shelby Kutty）、朱莉娅·格拉普萨（Julia Grapsa）、克里斯托夫·格拉尼（Christoph Gr?ni）、安巴里什·潘迪（Ambarish Pandey）、泰勒·贝克尔（Taylor Becker）、凯文·奥加拉赫（Kevin O’Gallagher）、彼得·莫蒂尔（Peter Mortier）、拉克希米·普拉萨德·达西（Lakshmi Prasad Dasi）、克劳斯·富格桑·科福德（Klaus Fuglsang Kofoed）、桑迪·恩格尔哈特（Sandy Engelhardt）、帕特里克·比亚吉（Patric Biaggi）、奥莱·德巴克（Ole De Backer）

英国利兹市利兹教学医院NHS信托中心心脏病科

摘要

管理瓣膜性心脏病（VHD）需要整合多种数据，包括人口统计学信息、症状、生物标志物、心电图结果和影像学检查。然而，人类大脑的处理能力和容量是有限的，尤其是在当前这个需要快速处理大量复杂数据的时代。将人工智能（AI）应用于VHD的管理中，可以提高诊断准确性、简化临床工作流程、优化手术策略，并预测疾病结果和进展。诸如机器学习和深度学习算法等AI子技术可以从常规检查（如心电图、超声心动图和计算机断层扫描）中挖掘出隐藏的信息，提供可靠且准确的风险预测工具，以指导个性化治疗策略。在手术过程中，基于AI的影像引导技术可以提高手术的安全性和成功率。数字孪生技术可以实现针对具体病例的疾病建模，例如模拟瓣膜设计并预测不良事件，从而推动精准医疗的发展。通过充分利用AI的潜力，临床医生可以为VHD患者提供全面、个性化的管理方案，最终改善临床效果。然而，基于AI的模型需要在多个中心进行严格验证，以确保其可靠性。关于偏见、数据隐私和透明度的问题，对AI在数字医疗中的应用构成了挑战。本文讨论了AI在VHD患者管理中的应用，指出了AI技术的未来发展方向，并探讨了将其整合到临床实践中的挑战。

部分内容摘录

AI辅助的VHD诊断和严重程度评估

VHD常常被漏诊，许多患者在疾病晚期才被发现。听诊是一种低成本的一线诊断工具，因此应用经过充分验证的机器学习算法来优化听诊方法以早期诊断VHD是值得探索的。心电图（ECG）也是一种具有吸引力的筛查手段，因为它易于获取、成本低且格式标准化。超声心动图是评估VHD的主要方法，但

AI指导的死亡率预测

AI已成为VHD风险分层和死亡率预测的强大工具。³⁰与传统的风险评分方法不同，基于AI的方法整合了更广泛的纵向和多模态数据（包括多种影像学检查²），从而能够更全面地评估手术风险和疾病进展。³¹对于那些临床表现不明确的患者（例如低流量、低梯度主动脉狭窄的患者），基于超声心动图的机器学习算法可以提供有用的信息

AI在经导管主动脉瓣置换术规划中的应用

经导管主动脉瓣置换术（TAVR）的成功依赖于术前对主动脉根部和血管解剖结构的精确CT评估，以确定患者是否适合手术、选择合适的假体尺寸和制定手术路径。为了满足日益增长的CT分析需求，^39,40已经开发出了先进的半自动化和全自动方法，这些方法利用深度学习算法自动分割心脏结构，然后进行解剖标志点检测和主动脉根部分析

AI在经导管二尖瓣和三尖瓣介入术规划中的应用

AI已广泛应用于经导管二尖瓣和三尖瓣介入术的规划，尤其是在瓣膜置换方面（见图4、5和6）。机器学习可以在几秒钟内自动识别和测量二尖瓣和三尖瓣的瓣环结构。⁴⁹接受经导管二尖瓣置换术评估的患者通常具有复杂的解剖结构，例如二尖瓣瓣环钙化或存在左心室流出道阻塞风险的情况，因此筛选合适的患者至关重要

AI辅助的二尖瓣和三尖瓣介入术

将AI技术应用于临床实践的核心目标是简化手术流程（例如自动化操作和标准化工作流程），并提高手术结果的可重复性。实际上，将AI整合到心脏结构介入手术中已经证明了手术效率和一致性的提升。⁵⁴一种特别有用的AI创新是术中图像融合技术，它利用实时数据支持复杂的二尖瓣和三尖瓣手术（见图6

利用AI进行教育和培训模拟

AI在基于模拟的VHD培训中的应用仍处于早期阶段。大多数AI进展集中在精准医疗、决策支持和手术规划方面，而非实际操作培训。AI能够创建更真实的模拟环境，帮助医生克服低频、高复杂性手术的学习障碍（见图8）。⁵⁸值得注意的是，AI可以通过可视化不同结构之间的关系来增强对三维心脏导航的理解

AI在VHD领域的扩展应用

大多数关于VHD的AI研究都集中在瓣膜的直接评估上；然而，AI的潜力远不止于此。疾病进展会导致瓣膜外的心脏损伤，包括心房和心室的重塑、心肌功能障碍以及影响肺循环和肾循环的血流动力学改变。心脏磁共振成像和CT成像可以通过量化细胞外容积扩张来发挥关键作用

未来发展方向

AI技术的采用加速了向数字医疗的转型。未来，VHD的诊断和严重程度评估以及术前规划将实现完全自动化。在完全数字化的医院环境中，可以利用自然语言处理从电子健康记录中提取诊断信息、症状以及人口统计学和临床数据，并结合AI对来自数字听诊器、心电图和超声心动图的数据进行分析，从而提供

AI的局限性

尽管新型AI方法具有潜力，但仍存在一些局限性（见中央插图）。虽然AI在从医学图像中估计定量参数方面通常优于传统方法，但用于风险预测的机器学习模型可能无法超越传统模型⁷⁰，尤其是在罕见事件的情况下，或者当临床变量有限或患者数量较少时。此外，使用不代表目标人群的数据开发的AI模型可能会

结论

通过充分利用AI的潜力，临床医生可以为VHD患者提供可靠、个性化的管理方案，提高风险预测能力、决策质量、手术成功率以及治疗效果。目前，将AI完全整合到临床实践中的挑战包括潜在的偏见、可重复性和数据隐私问题，以及所需的大量资源。解决这些问题将确保AI技术的安全、负责任地应用

资金支持和作者披露

马兹尼奇卡博士（Dr. Maznyczka）曾获得爱德华生命科学公司（Edwards Lifesciences）、雅培公司（Abbott）、波士顿科学公司（Boston Scientific）和美敦力公司（Medtronic）的旅行资助。努伊斯博士（Dr. Nuis）获得了Vifor Pharma和Meril公司的研究资助，并从爱德华生命科学公司、雅培公司和波士顿科学公司获得了咨询费用。特纳克尔博士（Dr. Ternacle）是爱德华生命科学公司、雅培公司、GE公司和飞利浦医疗保健公司（Philips Healthcare）的顾问。加罗博士（Dr. Garot）从雅培公司、波士顿科学公司、Biosensors公司、爱德华生命科学公司和泰鲁莫公司（Terumo）获得了演讲/咨询费用；同时