自动化评估超声心动图以辅助诊断射血分数正常的心力衰竭

《European Heart Journal - Digital Health》：Automated Assessment of Echocardiograms to Aid Diagnosis of Heart Failure with Preserved Ejection Fraction

　　

摘要

背景

在临床实践中，使用HFA-PEFF和H₂FPEF评分来诊断射血分数保留的心力衰竭（HFpEF）仍然具有挑战性，这依赖于超声心动图的评估。我们的目的是确定基于超声心动图自动深度学习解读的诊断评分在诊断HFpEF方面的表现是否与手动测量类似。

方法

我们在三个队列中分析了超声心动图：一个测试队列（102名通过右心导管检查和超声心动图诊断为HFpEF的患者），一个门诊验证队列（129名HFpEF患者），以及一个诊断验证队列（n?=?427名患者，其中182名为HFpEF患者，245名为非HFpEF患者）。我们评估了不同队列中自动化和手动HFA-PEFF及H₂FPEF评分之间的相关性，以及它们与肺毛细血管楔压（PCWP）的相关性，并使用曲线下面积（AUC）比较了诊断准确性。

结果

自动化和手动测量在不同队列中显示出良好的一致性，HFA-PEFF（0.78-0.86）和H₂FPEF（0.96-0.98）评分之间的相关性良好，并且与PCWP的相关性也相似。根据手动HFA-PEFF评分被判定为高可能性HFpEF的患者中，有五分之一被自动化评分重新分类为中等可能性，原因是估计的左心房体积较低，且这种情况与房颤没有一致的关联。自动化HFA-PEFF和H₂FPEF评分的AUC与手动评分没有显著差异（分别为0.70 [95%置信区间（CI）：0.66-0.74] vs. 0.71 [95% CI：0.66-0.75]，以及0.78 [95% CI：0.73-0.82] vs. 0.75 [95% CI：0.71-0.80）。

结论

基于自动化和手动超声心动图分析的HFA-PEFF和H₂FPEF评分显示出相似的诊断准确性，这表明使用深度学习分析超声心动图进行HFpEF的自动化诊断是可行的。

图形摘要

在新标签页中打开下载幻灯片