2019年3月15日-人工智能(AI)公司贝实验室宣布了两种研究评估公司的深度学习软件的性能心血管成像.第一项研究是在没有任何前科的医疗专业人员使用该软件时进行评估超声波获得诊断质量的经验超声心动图第二项研究评估了射血分数(EF)的全自动计算的准确性和重复性。这些研究结果将于3月16日至18日在新奥尔良举行的美国心脏病学会(ACC)第68届年度科学会议上发表。
创新超声技术EchoGPS和AutoEF帮助新手对癌症患者进行高效和准确的超声心动图监测
斯坦福大学正在进行的一项前瞻性研究正在评估深度学习软件的使用,以帮助接受潜在心脏毒性治疗的癌症患者监测心功能。Bay Labs的EchoGPS和AutoEF软件被用于帮助获取标准超声心动图的有限视图,为没有超声经验的用户提供实时指导,以获取心脏视图,并自动计算左心室EF。对于癌症治疗引起的心脏毒性,建议对高危患者进行心功能监测,但这种筛查仍未得到充分利用。虽然这些工具还没有得到美国食品和药物管理局(FDA)的批准或批准,但初步数据评估了这些产品的潜在未来用途。
Alberta Yen,医学博士,斯坦福大学医学系心血管医学部,将展示初步研究结果,证明EchoGPS和AutoEF在繁忙的癌症诊所的心功能监测的强大潜力。到目前为止,37例患者接受了由肿瘤诊所的肿瘤学家和护士从业者等新手进行的超声心动图检查,使用EchoGPS和最低限度的监督,本前瞻性研究计划有100例患者。AutoEF软件认为76%的研究具有足够的质量,可以产生EF测量,AutoEF和超声心动图仪之间的EF均方根偏差为4.8%。这表明,使用EchoGPS收集的研究结果计算AutoEF测量值可能是准确的。
Yen说:“我们的研究结果表明,未来使用这些技术可以使临床医生为癌症患者提供更广泛的心脏监测。”“基于机器学习的技术有望扩大超声心动图筛查的覆盖面,而不会给超声心动图实验室带来过重的负担。”
基于人工智能深度学习的新型超声心动图射血分数自动计算算法的准确性和再现性
本研究旨在测试Bay Labs的AutoEF软件基于深度学习技术的自动计算EF的调查更新的准确性和可重复性。尽管EF是超声心动图中报道的最具临床相关性的单一参数,但读取器之间的高变异性限制了它的可靠性。
三名心脏病专家评估了99名接受影像学检查的患者的EF,并将他们的评估结果与Bay Labs用于自动计算EF的深度学习算法(AutoEF)的输出结果进行比较。心脏病学家分析了由三位超声仪执行的双平面跟踪,AutoEF从超声仪选择的剪辑中做出了预测。根据平均绝对偏差(MAD)测量,调查软件与心脏病专家平均预测之间的准确性为5.97%。AutoEF计算的重复性最好(MAD为2.94%),而心脏科医生(MAD为4.74%)和超声心动图师(MAD为6.96%),这是通过比较超声心动图师、心脏科医生和AutoEF测量的三种EF的平均绝对偏差计算得出的。MedStar Health的超声心动图核心实验室主任Federico Asch,医学博士,FACC, FASE总结说,使用研究性深度学习算法自动计算EF比心脏病专家更准确,未来使用这些算法可能提高准确性和可重复性。Asch将在ACC.19上发表这项研究。
更多信息:www.baylabs.io