非接触式光学心音图结合深度学习检测具有临床意义瓣膜性心脏病的诊断准确性

《European Heart Journal》：Contactless optical phonocardiogram device with deep learning for detection of valvular heart disease

　　

摘要

背景

瓣膜性心脏病（VHD），包括狭窄、反流和多瓣膜病理病变，由于无症状表现、传统听诊的局限性以及超声心动图获取延迟，经常存在诊断不足的情况¹。中重度VHD与显著的发病率和死亡率相关，干预延迟时往往进展为心力衰竭²。早期检测可能使微创经导管瓣膜干预的及时转诊成为可能。非接触式光学设备³可捕获心脏振动信号，结合深度学习，可提高检测灵敏度并减少操作依赖性，从而实现基层医疗的采用。

目的

评估光学听诊器结合深度学习检测具有临床意义的VHD的诊断性能，记录方式仅限于颈动脉区和瓣膜区，并以经胸超声心动图（TTE）为基准。

方法

数据源自一项正在进行的诊断准确性研究（n=117，第一阶段）和一个已完成的队列（n=25）。参与者被分为：(i)无/无显著VHD（从健康到轻中度）和(ii)具有临床意义的VHD（从轻中度到重度），使用TTE作为参考，模拟真实世界筛查。

初始模型开发使用了一个多队列数据集（>25,000条记录；>50小时）。前瞻性队列被分为：50%（n=58）用于自监督预训练和微调；50%（n=59）严格保留用于验证。通过跨解剖学记录部位的受试者级别分层交叉验证评估稳健性。

结果

在不同解剖区域分组中观察到高性能表现。仅颈动脉记录实现了92.6 ± 1.5%的准确率，89.6 ± 1.9%的灵敏度，以及高达100%的特异度。瓣膜区记录显示出可比的表现（准确率94.3 ± 2.1%，灵敏度93.8 ± 3.2%，特异度95.2 ± 1.6%），证实了颈部和胸部采集部位之间具有等效的诊断能力。置换检验和自助法确认表现超过了偶然水平（p<0.001）。

结论

非接触式光学心音图设备结合深度学习在检测与TTE相比具有临床意义的VHD方面表现出高准确率。仅从颈动脉区记录即实现了出色的诊断性能，表明基于颈部的采集足以进行具有临床意义的筛查，无需多部位胸部记录。在欧美人群中，中老年人中重度瓣膜病患病率约为6–10%，所观察到的灵敏度和特异度在初级医疗环境中转化为强大的阴性预测值（>99%）。这种方法可能有助于更早地识别和分流患者进行确认性成像和及时的瓣膜干预，提高工作流效率和医疗资源分配。