以下文章來源于：藥明康德
人工智能（AI）在醫(yī)學領(lǐng)域中的應(yīng)用一直備受關(guān)注。尤其是在分析醫(yī)學影像圖片方面，AI很早就被開發(fā)用于該領(lǐng)域。在今年的歐洲心臟病學會年會（ESC 2022）上，來自西達賽奈（Cedars-Sinai）醫(yī)學中心Smidt心臟研究所的心臟病學家David Ouyang教授分享了一項前瞻性雙盲試驗，該研究在真實的臨床環(huán)境中將AI模型與超聲醫(yī)師對經(jīng)胸超聲心動圖評估的結(jié)果進行了比較，結(jié)果顯示，就連經(jīng)驗豐富的心臟病學家都無法區(qū)分哪些結(jié)果是經(jīng)“AI之手”得出的，哪些結(jié)果是來自于人類臨床醫(yī)生的判斷。此外，相比于人類臨床醫(yī)生的初始評估結(jié)果，AI生成的結(jié)果需要專家校正的比例更少。該研究中使用到的AI模型EchoNet-Dynamic是一種利用多個心臟周期的超聲心動圖視頻進行訓練的深度學習算法。在此前的研究中，該模型在分割左心室、估計射血分數(shù)和評估心肌病等關(guān)鍵項目中的表現(xiàn)超過了人類專家，在左室射血分數(shù)（LVEF）的評估方面，平均絕對誤差僅為4.1-6.0%。
在此次進行報告的EchoNet-RCT試驗中，研究人員將3495例經(jīng)胸超聲心動圖按1:1的比例隨機分配給AI模型或平均擁有14年以上經(jīng)驗的超聲醫(yī)師進行初步評估，記錄的報告內(nèi)容包括LVEF的第一次讀數(shù)或是將血液泵出到身體其余部分的心肌強度數(shù)據(jù)。隨后，研究人員把AI模型和超聲醫(yī)師的報告混合后提交給資深心臟病學家進行最終的審評。研究發(fā)現(xiàn)，與人類臨床醫(yī)生相比，心臟病專家對AI模型生成的報告進行的校正較少——AI組僅有16.8%的報告與心臟病專家評估的LVEF相比具有實質(zhì)性的變化（數(shù)據(jù)差異＞5%），而超聲醫(yī)師組的這一數(shù)據(jù)為27.2%。此外，即使是需要進行校正的數(shù)據(jù)，AI模型做出的即時讀數(shù)相比于人類醫(yī)生也更接近標準值。AI模型校正射血分數(shù)讀數(shù)大部分在2.8個百分點以內(nèi)，而人類醫(yī)生的校正射血分數(shù)讀數(shù)平均在3.8個百分點。最重要的是，AI模型平均在2分鐘內(nèi)就能完成對一名患者的讀數(shù)，在效率方面也十分出色。有趣的是，研究人員還要求參與的心臟病學家猜一猜手上的這份報告究竟是出自人類還是AI之手。從結(jié)果上來說，AI做出的報告足以“以假亂真“。心臟病學家只猜對了其中三分之一的報告，而剩下的報告要么無法分辨，要么直接猜錯。
對于這項研究，Ouyang教授表示：“盲法試驗可以防止人們對人工智能的偏見。這項研究的成功也說明了這類研究在正確的環(huán)境中的可行性很高。此外，研究結(jié)果也證明了如果以正確的方式開發(fā)和集成，AI算法可以簡化原本繁瑣但重要的任務(wù)、提高超聲波讀數(shù)的質(zhì)量和效率，從而節(jié)省超聲醫(yī)師和心臟病專家的時間和精力?！?/span>來自西北大學的心臟病學教授James Thomas在會上發(fā)表了點評：“如何在日常臨床實踐中證明AI模型的價值？或許盲法臨床試驗是一個不錯的主意。這項研究表明與超聲醫(yī)師費力追蹤超聲掃描中的讀數(shù)相比，AI模型似乎能夠顯著改善這項流程。如果這項研究能使超聲醫(yī)師不再需要花時間在這上面，他們得給研究人員頒發(fā)一塊金牌！”盡管這項研究的結(jié)果很突出，但大規(guī)模地將這個“計算機幫手”整合到現(xiàn)有的超聲心動圖系統(tǒng)之前還有待進一步的性能驗證，以評估這款A(yù)I模型在不同健康中心的不同硬件設(shè)施上是否也有同樣出色的表現(xiàn)。此外，獲得監(jiān)管機構(gòu)的許可也是必要的條件。“我們是不是可以期待未來有一天，會專門開設(shè)將獲得FDA批準的AI算法納入其中的應(yīng)用商店呢？” Thomas教授如是說。
[1] ESC 2022: Ultrasound AI outperforms human clinicians in randomized, blinded study. Retrieved August 27, 2022, from https://www.fiercebiotech.com/medtech/esc-2022-ultrasound-ai-outperforms-human-clinicians-randomized-blinded-real-world-study[2] Hot Line - AI assessment of LVEF is superior to sonographer assessment: Results from the EchoNet-RCT trial. Retrieved August 28, 2022, from https://www.escardio.org/Congresses-&-Events/ESC-Congress/Congress-news/hot-line-ai-assessment-of-lvef-is-superior-to-sonographer-assessment-results[3] Ouyang, D., He, B., Ghorbani, A. et al. Video-based AI for beat-to-beat assessment of cardiac function. Nature 580, 252–256 (2020). https://doi.org/10.1038/s41586-020-2145-8
