JAMA Cardiol：人工智能超声来了，超声科医生地位不保？
2021-02-20 MedSci原创 MedSci原创
近年来，人工智能（AI）已被应用于医学影像分析，但是AI指导超声图像的采集仍是一个新颖的研究领域。
近年来，人工智能（AI）已被应用于医学影像分析，但是AI指导超声图像的采集仍是一个新颖的研究领域。一种新型的深度学习（DL）算法，在500多万个超声探头移动对图像质量的结果示例中进行了训练，可以为新手提供实时指导以获得有限的经胸超声心动图诊断图像。
近日发表在《JAMA Cardiology》上的最新研究“Utility of a Deep-Learning Algorithm to Guide Novices to Acquire Echocardiograms for Limited Diagnostic Use”，评估了新手是否可以采用此以DL为基础的软件获得10个具有诊断质量的经胸超声心动图影像。
这是一项在两家学术医院开展的多中心的前瞻性诊断研究，招募了一组8名既往未进行过超声检查培训的护士，予以AI训练。每名护士至少对30名年满18岁的患者进行了临床指示的超声心动图检查，检查结果与采用相同软件但没有AI指导的超声医生的检查结果进行对比。主要终点是对左心室大小和功能、右心室大小以及是否有心包积液的定性判断。次要终点包括6项临床参数和与超声医生的检查结果的对比。
DL算法指导下的超声检查
共检查了240位患者（平均61岁，139位[57.9%]男性，70位[32.9%]的体重指数>30）。8位护士分别采用DL算法给30位患者进行了超声心动图检查：237例（98.8%）的左心室大小和功能以及心包积液的检查结果达到了诊断质量，222例（92.5%）的右心室大小的检查结果达到了诊断质量。
护士和超声医生进行的超声检查结果对比
对于次要终点中的大部分参数，护士和超声医生的检查结果没有显著差异。
综上，该DL算法可指导没有超声检查经验的新手获得具有诊断质量的经胸超声心动图影像以评估左心室大小和功能、右心室大小和心包积液的有无，有助于推广超声检查，突破超声医生不足的限制。
原始出处：
Akhil Narang, et al. Utility of a Deep-Learning Algorithm to Guide Novices to Acquire Echocardiograms for Limited Diagnostic Use. JAMA Cardiol. Published online February 18, 2021. DOI: 10.1001/jamacardio.2021.0185
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Cardiol#
39
厉害
58
已经变得越来越厉害了
56
人工智能时代
70
有那么神吗
72