人工智能（ai）协助三维超声评估心腔容积、左心室射血分数

过去，三维超声心动图测定心腔容积、左心射血分数（left ventricular ejection fraction，LVEF）需要手工描绘心内膜边界，主观性强、耗时长，限制了三维超声容积测量在临床中的应用。Heart Model（philips healthcare，USA）是一种新的基于AI技术的自动化软件，能直接量化三维经胸超声心动图的左心室、左心房容积和LVEF。该软件数据库包含了1000例三维超声经胸数据集。

通过心电识别左室舒张末期，确定整体结构，根据运动分析确定收缩末期左室腔；结合三维超声心动图数据中的整体形状、曲率和体积，从数据集中选择最佳匹配的模型；经适应性调整，使模型局部适应被检测者的容积。如果超声心动图医师对显示的轮廓不满意，能够手动编辑修改。

Tsang等对159例患者进行研究，使用Heartmodel自动分析左心房、左心室容积和LVEF，结果发现该方法具有可行性，与金标准心脏磁共振数据相关性高（r=0.84，0.93，0.85），并且比全手动分析耗时短（26±2）svs（144±32）s，（P＜0.001）。另一款基于AI技术的软件包（AutoLV，TomTec-arena1.2，TomTecImagingSystems，Germany）应用针对图像的机器学习算法，也能自动检测心内膜边界。

Knackstedt等采用该软件包，针对多中心255名研究对象进行研究，采用软件全自动描绘分析图像、输出LVEF，与超声心动图专家手工描记心内膜轮廓、通过双平面Simpson法测量的LVEF相比较，发现软件分析和专家手动分析的结果具有较好的一致性（ICC:图像质量较差组0.79，图像质量佳组0.83），软件获得LVEF仅耗时（8±1）s，还发现软件输出的左心室收缩末期纵向应变（longitudinal strain，LS）能反映左心室收缩功能（LVEF=2×LS+20，r=0.92，P＜0.001）。该研究证明了AI全自动分析左心室收缩功能的可行性、准确性。可见，AI技术能提供可重复的心腔结构、功能的定量测量，但是，基于AI的图像分析仍然依赖图像质量；与金标准磁共振提供的心腔结构、功能的定量测量有较好的相关性，但在容量评估时仍存在低估；不同厂家的AI算法不同，无统一标准。