东方时讯网冠心病是全世界成人死亡的主要原因。冠状动脉造影程序为几乎所有相关临床决策(从药物治疗到冠状动脉旁路手术)提供临床标准诊断评估。在许多情况下，在冠状动脉造影时量化左心室射血分数(LVEF)对于优化临床决策和治疗决策至关重要，尤其是在对可能危及生命的急性冠状动脉综合征(ACS)进行血管造影时。
由于左心室是心脏的泵血中心，因此测量腔室中的射血分数可提供有关每次心脏收缩时流出心脏的血液百分比的重要信息。目前，在血管造影期间测量LVEF需要一种称为左心室造影的额外侵入性手术——将导管插入左心室并注射造影剂——这会带来额外的风险并增加造影剂暴露。
在JAMACardiology上发表的一项研究中，蒙特利尔心脏研究所的资深作者和加州大学旧金山分校心脏病专家GeoffTison医学博士、公共卫生硕士和第一作者RobertAvram医学博士着手确定深度神经网络(DNN)是否是一种人工智能算法，可用于根据标准血管造影视频预测心脏泵(收缩)功能。他们开发并测试了一种名为CathEF的DNN，以根据心脏左侧的冠状动脉造影照片估计LVEF。
“CathEF提供了一种新颖的方法，利用每次血管造影期间常规收集的数据来提供临床医生目前在血管造影期间无法获得的信息，有效地扩展了人工智能医疗数据的效用，并提供实时LVEF信息，为临床决策提供信息——制作，”加州大学旧金山分校医学和心脏病学副教授Tison说。
研究人员对来自3,679名UCSF患者的4,042份成人血管造影图与相应的经胸超声心动图(TTE)进行了横断面研究，并训练了一个基于视频的神经网络来估计降低的LVEF(小于或等于40%)并预测(连续)左冠状动脉标准血管造影视频的LVEF百分比。
结果表明，CathEF准确预测了LVEF，与超声心动图LVEF测量值(标准的无创临床方法)具有很强的相关性。该模型还在渥太华心脏研究所的真实世界血管造影中进行了外部验证。该算法在不同的患者人口统计和临床条件下表现良好，包括急性冠状动脉综合征和不同水平的肾功能——可能不太适合接受标准左心室造影程序的患者群体。
“这项研究提出了一种在任何常规冠状动脉造影期间评估LVEF的新方法，LVEF是衡量心脏功能的重要指标，不需要额外的程序或增加成本，”介入心脏病专家和前UCSF研究员Avram说。“LVEF对于在手术过程中做出决定和管理患者护理至关重要。”
尽管该算法是在UCSF的大型血管造影数据集上训练的，然后在渥太华心脏研究所的数据集中分别进行了验证，但研究人员正在进行进一步的研究，以在护理点测试该算法并确定其对临床的影响心脏病发作患者的工作流程。为此，一项针对ACS患者的多中心前瞻性验证研究正在进行，以比较CathEF和左心室造影与ACS7天内进行的TTE的性能。
Tison说：“这项工作表明，人工智能技术有可能减少对侵入性测试的需求，并提高心脏病专家的诊断能力，最终改善患者的治疗效果和生活质量。”