《JACC: Cardiovascular Imaging》:Comprehensive Aortic Stenosis Characterization Using Multiview Deep Learning
编辑推荐:
摘要背景准确评估主动脉瓣狭窄(AS)需要整合结构信息和功能信息,前者以视觉特征为表征,后者则表现为压差定量。现有的人工智能模型仅使用结构信息或功能信息其中之一。目的作者旨在开发并验证一种自动化多视角深度学习框架以评估AS严重程度。方法作者开发了EchoNet-AS,一种开源的
摘要
背景
准确评估主动脉瓣狭窄(AS)需要整合结构信息和功能信息,前者以视觉特征为表征,后者则表现为压差定量。现有的人工智能模型仅使用结构信息或功能信息其中之一。
目的
作者旨在开发并验证一种自动化多视角深度学习框架以评估AS严重程度。
方法
作者开发了EchoNet-AS,一种开源的端到端集成方法,将基于视频的卷积神经网络用于评估瓣膜运动,并结合分割模型自动测量主动脉瓣峰值流速并对AS严重程度进行分类。
结果
EchoNet-AS在KPNC(Kaiser Permanente北加州)的16,076份研究共210,193张图像上进行训练,并在1,588份保留测试研究以及时间上独立的19,202份研究队列中进行验证。最终模型还在SHC(Stanford Healthcare)的2,415份研究和CSMC(Cedars-Sinai医学中心)的9,038份研究上进行了外部验证。结合多种超声心动图视频和血流动力学测量,EchoNet-AS在KPNC保留队列中对重度AS的区分能力优异,受试者工作特征曲线下面积为0.964(95%置信区间:0.952–0.973),在时间独立队列中为0.986(0.983–0.989),优于仅使用单视角或仅使用血流动力学测量的模型。在不同外部队列中,其性能持续稳健,SHC的受试者工作特征曲线下面积为0.985(0.975–0.992),CSMC为0.989(0.986–0.992)。
结论
EchoNet-AS综合B模式视频和血流动力学图像的信息以准确评估AS严重程度。其强大性能可稳健地推广至外部验证队列,并有望作为自动化临床决策支持工具。
章节片段
研究人群、影像与数据来源
本多中心回顾性研究中,我们使用了来自3个医学中心的经胸超声心动图(TTE)数据:KPNC(Kaiser Permanente北加州)(美国加利福尼亚州Pleasanton)、SHC(Stanford Healthcare)(美国加利福尼亚州Stanford)和CSMC(Cedars-Sinai医学中心)(美国加利福尼亚州洛杉矶)(图2)。模型开发和测试共使用了来自48,319份研究、45,849名独立患者的608,031段TTE视频。其中,KPNC共有17,664份研究
研究组
KPNC队列患者(派生队列平均年龄:73.1±14.2岁;保留测试队列:72.3±14.8岁;时间独立测试队列:74.0±11.5岁)年龄大于外部验证队列(SHC队列:65.7±16.2岁;CSMC队列:65.7±16.8岁)。KPNC派生队列和保留测试队列中轻度/中度/重度AS患者比例较高,以减轻模型训练期间的类别不平衡问题(详见方法部分)。该
讨论
在本研究中,我们开发并验证了EchoNet-AS,一种新颖的基于自动深度学习的框架,通过整合多视角视频信息以及自动测量主动脉射流峰值流速的血流动力学数据来估计AS严重程度(中央插图)。我们的多视角方法展现出优异的性能(区分重度AS的AUROC为0.964至0.989;区分至少中度AS的AUROC为0.955至0.978),同时保持了良好的阳性
结论
我们提出了EchoNet-AS,一个开源的基于视频的框架,整合多视角B模式、血流动力学彩色多普勒以及自动的血流动力学峰值流速测量来估计AS严重程度。在4个独立队列中验证,EchoNet-AS展现了稳健的性能,尤其在检测重度AS方面表现突出,有望作为常规临床实践中AS评估的有价值临床决策支持工具。
资金支持与作者披露
本研究由美国国立卫生研究院(R00HL157421、R01HL173487、R01HL173526)及Alexion资助。Ieki博士获得美国心脏协会研究学者金资助(25POST1357984)。Sahashi博士曾从m3.com Inc和InVision获取咨询费。Ouyang博士曾从EchoIQ、Ultromics、Pfizer、InVision、韩国超声心动图学会和日本超声心动图学会获得咨询费或讲座报酬。其他所有作者均已报告
Hirotaka Ieki|Yuki Sahashi|Milo? Vukadinovic|Meenal Rawlani|Christina Binder|Neal Yuan|Andrew P. Ambrosy|Alan S. Go|Wansu Chen|Ming-Sum Lee|Bryan He|Paul Cheng|David Ouyang
美国加利福尼亚州Stanford大学医学院内科心血管医学系