人工智能赋能胸部X线精准筛查左心室舒张功能障碍相关肺静脉高压

本研究针对左心室舒张功能障碍（LVDD）早期筛查难题，探索胸部X线（CXR）肺静脉高压（PVH）分期与多普勒超声（DEcho）LVDD分级的相关性。通过胸心放射科医师和AI模型（PVPI）分别评估1682例受试者CXR，发现PVH分期与LVDD严重程度显著相关（p<0.001），但人工判读存在经验依赖性差异；而基于Transformer的AI模型在PVH分级预测中表现出更强的一致性，有望推动CXR作为低成本、广覆盖的LVDD早期筛查工具。

　　

随着全球心力衰竭（Heart Failure, HF）患病率的持续攀升，早期识别和管理左心室舒张功能障碍（Left Ventricular Diastolic Dysfunction, LVDD）成为心血管疾病防控的关键挑战。LVDD是HF的普遍特征，无论左心室射血分数（LVEF）如何，其进展可从无症状前期（Stage A）直至需住院治疗的HFpEF（HF with preserved EF）。然而，当前LVDD的早期筛查主要依赖临床症状、生物标志物（如BNP）和超声心动图，成本高且可及性差，导致大量高危人群未能及时诊断。胸部X线（Chest X-Ray, CXR）作为全球最普及的影像学检查，虽被指南推荐用于疑似HF的初步评估，但其对“肺淤血”的主观判读存在较大变异，能否系统性地反映LVDD严重程度一直缺乏证据支持。

为此，Mayo Clinic团队在《Scientific Reports》发表最新研究，首次通过大规模队列分析CXR肺静脉高压（Pulmonary Venous Hypertension, PVH）分期与DEcho LVDD分级的相关性，并开发人工智能（AI）模型“PVP Identifier（PVPI）”以提升CXR判读的客观性。研究纳入1682例受试者，包括846例症状性疑似LVDD（LVEF≥50%）、750例无症状健康人群和86例右心导管确诊的Group 1肺动脉高压（PH）患者，所有受试者均排除收缩功能异常及其他心肺混杂因素。

关键技术方法

研究采用回顾性队列设计，从EMR系统筛选2003–2023年间接受CXR和DEcho（间隔≤24小时）的受试者。由4名不同资历的胸心放射科医师独立判读CXR，分配11种肺血管模式（Pulmonary Vasculature Patterns, PVP），包括正常、PVH分期（1–3期）及合并毛细血管前PH（CpcPH）等，并通过专家共识确定人类金标准（Human Ground Truth, HGT）。AI模型PVPI包含胸腔内容分割器（基于DeepLabV3）和PVP多分类器（基于DINO Transformer），自动输出PVH分级概率。统计方法包括组内相关系数（ICC）、Kendall秩相关（Ktau）和似然比（LR）分析。

研究结果

1. 人类判读的PVH分期与LVDD分级相关性

尽管放射科医师的PVP分配存在经验依赖性差异（组内变异14.0–19.4%），但HGT显示的PVH分期与LVDD严重程度呈显著正相关（p<0.001）。

• •
  无症状健康人群：98.0% CXR判为正常，仅1.7%显示PVH。
• •
  LVDD Grade 0（正常充盈）：94.0%为正常PVP，但PVH比例（5.6%）显著高于健康人群（p<0.05），提示CXR或可捕捉间歇性血流动力学波动。
• •
  LVDD Grade 1（延迟松弛）：PVH占比升至12.7%，以PVH Stage 2为主（9.5%）。
• •
  LVDD Grade 2（假性正常充盈）：PVH比例进一步升高至34.5%，其中26.6%为Stage 2。
• •
  LVDD Grade 3–4（限制性充盈）：55.0%存在PVH，Stage 2占比39.6%，且15.4%合并CpcPH。此时阳性似然比（+LR）达55.5，表明PVH分期对重度LVDD有强确认价值。

2. AI模型性能超越人类判读

PVPI的活动图显示，随着PVH分期加重，AI关注区域从肺底向上肺转移，但其识别的是生理“状态”而非具体解剖结构。

• •
  PVH检测（3分类）：总准确率0.89，平衡准确率0.86。
• •
  PVH分级（4分类）：总准确率0.79，但对PVH Stage 1的识别精度较低（0.35），易与Stage 2+混淆。
• •
  与LVDD分级关联性：PVPI预测的PVH等级与LVDD进展的相关性（p<0.001）显著强于HGT，尤其在Grade 0时即提示47.6%的PVH（人类仅5.6%），表明AI对早期血流动力学变化更敏感。

3. 模型在混杂条件下的鲁棒性验证

在40例含心血管植入物的混杂测试组中，PVPI的自动分割Dice系数达0.9995，虽整体准确率下降，但其PVH预测与LVDD分级仍呈显著正相关（p<0.001），且在Grade 1以上仅识别出PVH状态，表明模型对解剖混杂因素具有一定耐受性。

结论与意义

本研究首次证实CXR PVH分期与DEcho LVDD分级存在直接关联，但人工判读受经验限制，仅对重度LVDD（Grade 3–4）有确认价值。AI模型PVPI通过识别胸片中的生理状态变化，显著提升了对早期LVDD的敏感性，且不受操作者变异影响。这一发现为CXR作为低成本、广覆盖的LVDD筛查工具提供了循证依据，尤其适用于医疗资源匮乏地区。未来，结合心电图（ECG）等多模态AI模型，有望构建更高效的心衰风险评估体系，推动心血管疾病的早期防控。