医疗人工智能（ai）协助三维食道超声评估瓣膜病

准确评估瓣膜结构是瓣膜病手术的关键。目前，实时三维超声心动图已经不依赖形态假设，能自动评估主动脉或二尖瓣病变，使瓣膜分析可视化，但是，图像描绘分析仍依赖于专业经验，耗时长，需要大量的人力投入。智能解剖超声技术（anatomical intelligence ultrasound，AIUS）以超声图像与医学解剖模型的大数据为基础，通过器官模型的建立和自适应系统技术，使计算机能自动识别组织解剖结构，并进行定量分析。

Jin等回顾分析了90例退行性二尖瓣脱垂（mitral valve prolapse，MVP）患者的三维经食管超声资料，进行二尖瓣重建，以手术结果为金标准，结果发现，全手动分析情况下，非专家（既往三维超声二尖瓣分析＜10例）相比超声心动图专家（既往三维超声二尖瓣分析＞500例）的准确性显著降低（83%vs95%，P＜0.001）；使用AIUS能显著提高非专家的准确性（从83%提高到89%，P=0.003），尤其A3分区（从81%提高到94%，P=0.006）和P1分区（从78%提高到88%，P=0.001）的准确性，这可能与A3、P1分区的解剖变异度大、描绘困难有关；另外，使用AIUS能显著节省图像描绘分析时间〔专家分析:（1.9±0.7）minvs（9.9±3.5）min，P＜0.0001；非专家分析（5.0±0.5）minvs（13±1.5）min，P＜0.0001〕。

Choi等以32例主动脉瓣反流患者为研究对象，分别使用二维彩色血流汇聚法（two-dimensional proximal isovelocity surface area，PISA）和三维全容积彩色多普勒超声心动图（three-dimensional full volume color Doppler echo cardiography，3DE-FVCDE）评估主动脉瓣反流，以心脏磁共振成像为金标准，发现3D-FVCDE测定的主动脉瓣反流体积与磁共振的相关性和一致性优于2D-PISA（3D-FVCDE:r=0.93，2D-PISA:r=0.76，P＜0.001）；同时，3D-FVCDE能评估偏心反流及反流多束者，而2D-PISA无法评估这两类反流。因此，3DFVCDE能定量评估主动脉环和主动脉根部病变，进一步协助选择经导管主动脉瓣置换瓣膜的大小，减少与患者错配的概率。可见，AI技术协助评估瓣膜病具有可行性，减少了操作步骤，同时大幅提高定量结果的准确性和重复性。