基于深度学习的心超声心动图心脏评估：系统综述与荟萃分析

《European Heart Journal - Digital Health》：Deep learning-based echocardiography for cardiac assessment: a systematic literature review and meta-analysis

　　

目的：人工智能，特别是深度学习（deep learning, DL），在增强临床实践中心超声心动图评估方面展现出显著潜力。本系统综述与荟萃分析旨在评估DL模型的性能，并识别影响其性能的因素。 方法与结果：研究人员对PubMed、CENTRAL和Web of Science数据库进行了系统检索，共获得16,248篇潜在文献。其中，160项研究符合纳入标准。仅考虑将全自动DL网络应用于心超声心动图视频的研究。采用随机效应荟萃分析合并性能估计值。这些研究被分为五个不同的类别：疾病或死亡率预测、既定测量指标的复制、心脏腔室分割、腔室切面分类以及图像质量评估。在关注心脏腔室分割和分类的研究中观察到无法解决的高度异质性。模型性能受到多种不同因素的影响，包括医学目标及输入特征，例如视频分辨率、所用帧数以及训练期间纳入的总参与者数量。 结论：DL模型在心超声心动图的各类应用中均实现了高性能。在选定的任务中，它们可能减少对专家输入的依赖，并支持心超声心动图工作流程的更高自动化程度。然而，在广泛临床采纳之前，仍需进一步的验证、临床实用性评估以及在真实世界环境中的评价。

基于深度学习的超声心动图心脏评估：一项系统综述与荟萃分析

研究背景与目的

超声心动图是一种广泛应用、成本效益高且无创的心脏成像技术，在评估心脏健康中发挥着关键作用。尽管其应用广泛，但某些复杂的模式和特征可能超出人类解读能力，而深度学习（deep learning, DL）模型能够分析这些模式，代表了先进计算技术提升其临床价值的机遇。近年来，DL模型在分析超声心动图视频、检测传统上需要人类专业知识的模式及衍生测量指标方面展现了卓越能力。此外，通过利用超声视频中嵌入的丰富数据，这些模型还能提取人眼不可察觉的心脏健康新指标。为了确定DL模型作为全自动工具加速传统由医生执行任务的潜力，研究人员进行了一项关于利用DL通过超声心动图评估心脏健康的系统文献综述，并对所有可比较的应用进行了荟萃分析。

目前存在的问题在于，尽管众多初步研究报告了有前景的结果，但现有文献在数据集、验证策略、报告的性能指标乃至DL评估的任务类型方面高度异质。这种异质性使得难以客观解读跨临床环境的可重复性和泛化性。此外，单个高性能模型未必能转化为可靠、可扩展的现实实施工具。因此，需要进行定量合成以提供合并的性能估计，评估研究间变异性，并探索可能影响性能的因素。

研究方法

研究人员对PubMed、CENTRAL和Web of Science三个在线数据库进行了系统性文献检索，时间范围限定在2014年至2026年6月9日，以捕捉DL领域的最新原创性研究。纳入标准由流行病学家、心脏病学家和DL专家共同制定，要求文章必须采用DL方法以全自动流水线方式分析超声心动图视频数据，即推理时无需手动预处理、用户引导的特征选择或专家解读。排除了涉及经食管、心内、胎儿、儿科和动物超声心动图的研究，但纳入了床旁超声和负荷超声心动图研究。

关键的技术方法包括：首先，两位研究者使用在线工具EPPI-Reviewer独立筛选所有识别文献的标题和摘要，分歧通过与另外两名心脏病学专家协商解决。其次，对于满足条件的全文文章进行资格评估，并使用改良版非随机研究偏倚风险评估工具评估偏倚风险。数据提取优先使用外部数据集测试结果，若无则记录留出数据结果。在统计分析方面，研究人员使用双反正弦（Freeman-Tukey）方法转换比例后进行荟萃分析，以确保方差的稳定性。针对同一研究中存在多个DL目标导致的依赖性数据，采用多水平回归分析处理。当存在残余异质性时，若至少五项研究报告了相关变量，则进行荟萃回归分析，检验模型基础架构、训练样本量、特定亚组目标或输入形状与尺寸等特征对结果的调节作用。敏感性分析和异常值评估使用Cook距离（Cook's D）来确定个别观测对模型结果的过度影响，并通过漏斗图评估小研究效应。所有统计分析和荟萃分析均使用R统计编程环境版本4.2.1及metafor包实现。

研究结果

研究纳入情况：通过摘要筛选共识别出16,248项研究，去除重复后排除7,710篇不符合标准的文献，最终评估了635篇全文文章，其中160篇纳入最终的系统综述和荟萃分析。两位研究者独立筛选的103篇摘要样本显示92.2%的一致性（Cohen's κ = 0.78, P < 0.001）。在DL模型架构方面，U-Net及其变体最常用于分割任务，而ResNet和三维卷积神经网络（3D CNN）最常用于疾病或死亡率预测以及既定超声心动图测量的复制。瓣膜性心脏病是预测研究中最常调查的目标，而在旨在复制既定超声心动图测量的研究中，收缩功能（最常见的是左心室射血分数，LVEF）是最常评估的目标。偏倚风险评估显示，从2024年起的研究被评为高风险偏倚的可能性低于早期出版物。

成像切面及相关临床信息的可用性：大多数研究聚焦于心尖四腔心切面，其次是心尖两腔心和胸骨旁长轴切面。在旨在预测疾病存在或全因死亡率的研究中，59篇文章中有40篇报告了研究参与者的特征。

疾病或全因死亡率的预测：对报告总体准确率（22项研究，36个目标）和曲线下面积（area under the curve, AUC）（23项研究，70个目标）的研究分别进行了多水平荟萃回归分析。随着向模型中加入调节变量，残余异质性逐步降低。加入特定的DL架构导致高异质性（准确率I2=99.9%，AUC I2=98.8%），加入目标后异质性降低（准确率I2=98.4%，AUC I2=98.1%），进一步加入训练参与者数量、视频分辨率、帧数和批次大小后异质性进一步大幅降低（准确率I2=76.8%，AUC I2=82.8%）。最后一批调节变量的加入还解决了不同模型架构之间的性能差异。时间依赖性分析表明，近期研究中预后任务的模型泛化能力有所提高。

心脏结构的分割：在进行了外部验证的21项分割研究中，观察到相当大的研究间异质性（I2=98.2%）。按分割目标进行的亚组分析并未降低异质性（左心房I2=97.5%；左心室I2=94.9%），加入基础架构、分割区域和训练参与者数量的调节变量后也是如此（I2=98.8%）。调节变量检验显示，所包含的调节变量未能解释结果中的任何变异（模型比较P=0.99）。在纳入与输入相关的调节变量后，基于超声心动图分割区域或应用的DL架构，模型性能未发现差异。对四个主要心脏腔室的Dice系数进行纵向评估表明，过去七年间DL分割模型的外部性能有所下降。

结论与讨论

DL模型在超声心动图的各类应用中均实现了高性能。在选定任务中，它们可能减少对专家输入的依赖，并支持超声心动图工作流程的更高自动化程度。然而，在广泛临床采纳之前，仍需进一步的验证、临床实用性评估以及在真实世界环境中的评价。研究指出，模型性能受多种因素影响，包括医学目标以及输入特征如视频分辨率、所用帧数和训练参与者总数。尽管DL技术在超声心动图领域显示出巨大潜力，但当前证据仍存在高度异质性，特别是在心脏腔室分割和分类任务中，这提示需要更标准化的报告和验证实践，以确保这些工具的可靠性和泛化能力。