Radiology：人工智能在心脏MRI测量中的应用

现阶段，心脏核磁共振成像是测量心腔的参考标准，在心血管疾病的诊断和预后中具有重要作用。人工测量是通过追踪舒张末期和收缩末期的心腔来获得的，需要专门的工作人员进行，十分耗时、耗力。近年来，随着心脏MRI测量自动化的努力不断发展，临床上在评估左心室（LV）方面取得了与人工评估相当的结果。

由于右心室的形状、厚度的变化和复杂的解剖结构，使得自动评估成为一个挑战。此外，在肺动脉高压等情况下，RV的形状会发生极端的形态变化。迄今为止，人工智能（AI）双心室分割研究都是基于小型的单中心和单供应商的数据集，并且没有评估房室质量。

近日，发表Radiology杂志的一项研究开发并全面评估了一项对左心室和右心室MRI测量的自动深度学习定量分析，并探讨了人工智能心脏MRI双心室分析与侵入性血流动力学之间的关系以及预测肺动脉高压死亡率的能力。

本研究使用了一个回顾性的多中心和多供应商的数据集开发了一个基于深度学习的心脏MRI轮廓模型。在前瞻性招募的参与者中评估了与当天右心导管检查（RHC）和扫描重复性的相关性。对ASPIRE（在肺动脉高压转诊中心评估肺动脉高压的严重程度）登记处的3487名患者（包括920名肺动脉高压患者的子集）使用Cox比例危险回归分析评估了预后的影响，并在32个中心的40个多维研究中评估了自动评估的普遍性。

训练数据集包括539名患者（平均年龄，54岁±20[SD]；315名女性）。与人工测量相比，心脏MRI自动测量与RHC参数的相关性更好，包括左心室搏出量（r = 0.72 vs 0.68；P = .03）。所有自动测量的心脏MRI测量的研究间重复性很高（类内相关系数范围，0.79-0.99），与手工测量的重复性相似（所有配对的t检验P>.05）。自动右心室和左心室的心脏MRI测量与怀疑患有肺动脉高压的患者的死亡率有关。

图 失败的和不理想的人工智能（AI）分割示例。(A)由于先天性心脏病导致左心室(LV)轮廓延伸到右心室(RV；红框)的主要失败。(B)顶点的轻度衰竭，RV被错误地标记为LV（红框）。红色、绿色、蓝色和黄色的圆圈分别表示左室心内膜、左室心外膜、RV心内膜和RV心外膜的轮廓

本研究提出了一种双心室心脏MRI评估的人工智能（AI）方法，并在一大批具有广泛的右心室和左心室病理异常和正常变体的患者中对基于人工智能的心脏MRI测量进行了全面评估，证实了全自动化的心脏MRI评估与侵入性血流动力学之间的相关性，并对预测预后具有重要的临床价值。

原文出处：

Samer Alabed,Faisal Alandejani,Krit Dwivedi,et al.Validation of Artificial Intelligence Cardiac MRI Measurements: Relationship to Heart Catheterization and Mortality Prediction.DOI:10.1148/radiol.212929