基于多任务深度学习的全自动化人工智能超声心动图解读系统(PanEcho)的临床验证

来自耶鲁纽黑文医疗系统的研究人员开发了人工智能系统PanEcho，通过多任务深度学习实现超声心动图(TTE)全自动化解读。该系统在39项诊断分类和参数测量任务中表现优异（中位AUC 0.91，nMAE 0.13），可准确评估左室射血分数(LVEF)（误差4.2%）和识别严重主动脉瓣狭窄（AUC 0.98），为基层医疗提供高效心血管筛查工具。

　　

这项突破性研究展示了人工智能在心血管影像领域的革命性应用。科研团队开发的PanEcho系统如同一位不知疲倦的"数字心超专家"，运用多任务深度学习算法，对经胸超声心动图(TTE)视频进行全自动分析。该系统在耶鲁纽黑文医疗系统(YNHHS)超过120万段心超视频中完成验证，不仅能以媲美专家的准确度完成18项诊断任务（中位曲线下面积AUC 0.91），还能精确测算21项关键参数，如左心室射血分数(LVEF)（平均绝对误差仅4.2%）。

特别令人振奋的是，这个"AI心超助手"在识别中重度左室收缩功能障碍(LVSD)时表现惊艳（AUC 0.98），对右室功能不全和严重主动脉瓣狭窄(AS)的检测能力同样出众（AUC分别达0.93和0.98）。即使在急诊科有限的床旁超声(POCUS)检查中，系统仍保持85%以上的诊断准确率，展现出强大的临床适应性。

这项技术突破犹如为心血管诊疗装上了"智能加速器"，既能在专业心超室辅助医生提高效率，更可化身"便携式心超解码器"，为医疗资源匮乏地区带来三甲医院级别的诊断能力。研究团队特别强调，该系统已通过多中心外部验证，其泛化能力跨越地域和时间维度，为人工智能在医学影像领域的落地应用树立了新标杆。