右室收缩期压力变化报告的启示：基于分类与回归树（CART）的分析

《Echo Research & Practice》：Reporting changes in right ventricular systolic pressure: insights from Classification and Regression Tree (CART) analysis

　　

背景：右室收缩期压力（RVSP）是用于监测肺动脉高压（PH）的超声心动图指标（right ventricular systolic pressure，RVSP），但目前尚无关于何种程度的RVSP变化具有临床意义的推荐标准。本研究旨在揭示研究人员所在机构的医师如何报告RVSP的显著变化，并借助重复测量分析量化所报告RVSP的分析变异性（analytic variability）。方法：研究人员利用Stanford CardioShare Registry识别出5934例患者，对应32656对带有RVSP报告的超声心动图检查；采用自然语言处理（Natural Language Processing，NLP）将各对检查结果分类为降低、升高、无变化、无直接提及四类；对上述分组应用分类与回归树（Classification and Regression Tree，CART）分析以识别医师的报告阈值；使用分层交叉验证报告准确率、精确率、召回率和F1分数以评估CART模型性能；在由210名健康志愿者和208例PH患者组成的独立队列中，两名盲态核心实验室心脏科医师测量峰值三尖瓣反流速度（peak tricuspid regurgitation velocity，TRVmax），研究人员采用重复分析方法建模偏倚，并用稳健精密度法报告RVSP并评估分析变异性。结果：在所有超声心动图检查对中，RVSP报告为稳定占48.9%，升高占12.5%，降低占9.9%，28.7%未直接提及RVSP变化；CART分析显示医师最常用8 mmHg绝对阈值以及变化是否发生在参考范围内外来判断变化；交叉验证中升高算法的准确率和F1分数分别为83%和79%，降低算法分别为81%和74%；在重复分析队列中，分析精密度为8–10%，RVSP较低时相对精密度最差，假设生物变异为4–5%，对应参考变化值（reference change value，RCV）为15%。结论：本研究提供了真实世界中医师报告RVSP变化的见解，并为未来关于报告变化的推荐意见提供了方向。

研究背景：右室收缩期压力（right ventricular systolic pressure，RVSP）是超声心动图（transthoracic echocardiography，TTE）中用于监测肺动脉高压（pulmonary hypertension，PH）的核心指标，在无右心室流出道梗阻时RVSP近似等于肺动脉收缩压（pulmonary artery systolic pressure，PASP）。目前临床实践中缺乏关于RVSP变化达到何种程度才具有报告意义和临床意义的统一标准，医师多依赖个人经验判断，容易导致过度报告或漏报真实变化。与此同时，实验室医学中常用参考变化值（reference change value，RCV）来综合考虑分析变异性（analytic variability，即技术测量误差，含读图者间差异、多普勒入射角、界面选择、伯努利方程假设等）与个体内生物变异（within-subject biological variation），从而设定绝对或相对变化阈值，但超声心动图领域尤其是RVSP的相应数据非常有限。为此，研究人员开展本研究，一方面利用大规模临床报告数据结合自然语言处理（Natural Language Processing，NLP）与分类与回归树（Classification and Regression Tree，CART）分析，揭示医师在实际工作中判断RVSP显著变化的隐含阈值与决策逻辑；另一方面通过独立队列的双盲重复读数研究，量化RVSP的分析精密度（analytic precision）与分析变异性，进而推算合理的RCV，为制定RVSP变化报告规范提供依据。该研究发表于Echo Research & Practice（Echo Research & Practice）。

主要关键技术方法：研究人员采用两类队列与对应技术方法。第一部分基于Stanford CardioShare Registry，筛选5934例有连续TTE报告且含RVSP数值的患者，共32656对超声心动图检查；用Python正则表达式模块对报告结论文本做NLP分类，分为升高、降低、无变化、无直接提及四类，并人工抽检校对；构建两个独立的CART二叉决策树（最大深度3），分别区分“升高vs无变化”与“降低vs无变化”，以基尼指数（Gini Index）为分裂准则，候选变量含RVSP绝对变化、相对变化、基线或随访RVSP值；采用分层5折交叉验证评估模型准确率、精确率、召回率、F1分数；用Cohen’s kappa检验NLP与核心实验室医师分类的一致性。第二部分采用独立队列：210名健康志愿者（来自Stanford Aging Study）与208例血流动力学确诊肺动脉高压（PAH，mean pulmonary arterial pressure，MPAP＞20 mmHg，pulmonary arterial wedge pressure，PAWP＜15 mmHg）患者；两名核心实验室Level 3心脏科医师盲态复读峰值三尖瓣反流速度（TRV_max），按ASE指南标准化操作并做信号质量Likert分级；RVSP按伯努利方程计算为4×TRV_max²＋估计右房压（estimated right atrial pressure，eRAP）；采用重复测量差值的稳健百分位法计算分析精密度（analytic precision，CVa），差值缩放√2以修正双测误差；综合假设个体内生物变异CVi≈4%，用公式RCV＝Z×√2×√(CVa²＋CVi²)推算参考变化值；所有统计用Python及相关库完成。

研究结果：第一部分Stanford CardioShare Registry结果如下。描述性分析：队列中位RVSP在不同左室射血分数（left ventricular ejection fraction，LVEF）亚组中为41.07［22.60–100.30］mmHg（LVEF＞52%）、38.85［19.66–88.50］mmHg（41%＜LVEF＜51%）、40.46［20.55–85.20］mmHg（30%＜LVEF＜40%）、44.08［15.22–104.25］mmHg（LVEF＜30%）；多数符合PH血流动力学标准。报告RVSP变化：48.9%配对报告为稳定，12.5%为升高，9.9%为降低，28.7%无直接提及RVSP变化；各类别对应绝对变化中位数：“升高”为13 mmHg（相对32%），“降低”为－13 mmHg（相对－26%），“无变化”约－0.3 mmHg（相对－0.9%），“无直接提及”分布近似“无变化”。决策树与基尼指数：CART分析显示两个根节点均为绝对变化≥8 mmHg；若｜ΔRVSP｜≤8 mmHg多判为“无变化”；若绝对变化在8–13 mmHg之间，进一步按基线RVSP（降低模型）或随访RVSP（升高模型）是否超出参考限细分，相对变化在更深节点起作用；升高模型中若绝对变化＞13 mmHg通常判为“升高”，但若随访RVSP≥31 mmHg即使绝对变化8–13 mmHg也可判为“升高”；降低模型若基线RVSP≤26 mmHg且绝对降低8–13 mmHg可能仍判为“无变化”。测试性能与交叉验证：“升高vs无变化”模型准确率0.83（95%CI 0.80–0.84），精确率0.75（0.73–0.76），召回率0.84（0.80–0.84），F1 0.79（0.78–0.81）；“降低vs无变化”模型准确率0.81（0.80–0.83），精确率0.67（0.65–0.68），召回率0.85（0.83–0.87），F1 0.74（0.72–0.75）；NLP分类与核心实验室医师分类的Cohen’s kappa为0.80，一致性优秀。第二部分重复分析与分析变异性结果如下。队列描述：PAH组以女性（77%）、白人（59%）为主，特发性占48%，平均MPAP 52±14 mmHg，肺血管阻力指数（pulmonary vascular resistance index，PVRi）23±11 mmHg·min·m²/L；健康组女性46%，白人85%；PAH组LVEF均值64.6±7.8%。技术（分析）变异性：两读者读数相关系数0.94（p＜0.001）；绝对中位偏倚3.17 mmHg（2.72–3.84），稳健缩放精密度4.56 mmHg（3.95–5.37）；相对中位偏倚10.23%（8.68–11.22），稳健相对精密度10.23%（8.68–11.22）；换算为分析变异系数（coefficient of variation for analytic precision，CVa）约8.9%；假设生物变异CVi≈4%，得RCV相对约20%（Z=1.96时更高达约25%），绝对层面对应8–10 mmHg且要求相对≥20%可避过度报告。临床算法：研究人员据此在实验室实施报告规则——先确认TRV信号质量良好，再同时满足绝对变化≥8–10 mmHg且相对变化≥20%，并结合是否跨参考范围（如30–35 mmHg）及临床情境、右心大小与功能变化来综合判断是否报告“显著变化”。

讨论部分总结：研究人员指出，明确有临床意义的变化对评估患者病情稳定与治疗反应至关重要；CART分析表明医师主要依赖约8 mmHg绝对阈值及变化是否超出参考范围进行判断，相对变化在更深决策层起作用，交叉验证准确率＞0.8说明模型较好捕捉了实际报告逻辑，这是首次用决策树分析影像研究中医师报告行为以洞察RCV问题；但医师经验阈值未充分考虑分析变异性与生物变异，RVSP分析精密度仅8–10%、低值时相对精密度更差，简单用固定绝对阈值易致过度报告；实验室医学RCV框架整合CVa与CVi（研究假设CVi≈4%源于CardioMEMS数据）给出相对RCV≈20%，对应绝对≈8–10 mmHg且相对≥20%的保守规则，并需结合信号质量、参考范围、右心结构功能变化及临床先验概率来解读；分析变异来源包括读图者选择模态频率界面、多普勒入射角余弦误差、信号缩放等；生物变异数据仍稀缺，少量植入式传感器研究显示肺动脉压晨间总变异CV≈3.4–16.8%，受心输出量、肺毛细血管楔压、神经激素波动等影响，右房充盈压亦调制呼吸性肺动脉压变化；未来自动化AI估测RVSP可能降低分析变异但无法消除固有技术局限；本研究局限含单中心Registry子集、未考虑医师对既往报告的解读差异、生物变异外部数据有限；结论部分译文：研究人员对RVSP报告变化的分析为RVSP变化报告提供了有价值见解；综合绝对变化8 mmHg、相对变化20%以及变化是否发生在参考限内外，代表一种避免临床实验室过度报告变化的实用方法；未来研究应在结局分析中验证这些阈值，整合深度学习方法进行分析，并将超声心动图读数纳入临床情境中。