AHA速递丨人工智能可准确检测心脏瓣膜病，预测CVD风险

AHA 2023会议上有两项初步研究表明，人工智能（AI）和深度学习模型可能有助于预测心血管疾病（CVD）事件风险并检测心脏瓣膜疾病。一项研究发现，分析数字听诊器记录心脏声音数据的AI比用传统听诊器的医疗保健专业人员能更准确地检测心脏瓣膜疾病。在一项评估UK Biobank数据的研究中，AI/深度学习程序有效地分析和分类了糖尿病前期和2型糖尿病患者的眼睛图像，以确定其患心血管疾病的风险。

基于AI的数字听诊器在初级保健中检测心脏瓣膜病的真实世界评估

研究纳入369名年龄50岁及以上的成年人，61%的参与者为女性。所有参与者既往均无心脏瓣膜疾病诊断或心脏杂音病史，对患者进行标准检查的医疗保健专业人员并不知道AI结果或超声心动图结果，因此这是一项盲法研究。研究对比医疗专业人员使用标准听诊器检测潜在心脏瓣膜疾病的能力与使用数字听诊器声音数据的AI程序的能力。

每位研究参与者均进行了一次体检，其中包括一名初级保健专业人员，医生或护士，用传统听诊器听他们心脏和肺部的异常声音或杂音，并用数字听诊器记录心音。所有参与者在1~2周后的随访预约中也接受了超声心动图检查，以确定是否存在心脏瓣膜疾病，但结果不与临床医生或患者共享。

分析发现，与初级保健专业人员使用标准听诊器检测出41.2%的病例相比，使用数字听诊器的AI方法可检测出94.1%的瓣膜性心脏病病例。AI方法确定了22名既往未确诊的中度或更严重的心脏瓣膜疾病患者，专业人员使用标准听诊器确定了8名既往未确诊的心脏瓣膜疾病患者。

该研究的主要作者Moshe Rancier医学博士说，这项研究表明，医疗保健专业人员可以使用数字听诊器与高性能AI相结合，更有效、更快速地筛查瓣膜性心脏病患者，这种听诊器可检测出与严重瓣膜性心脏病相关的心脏杂音。

然而，该研究的局限性包括研究组的样本量小，阻碍了对参与者子集之间差异的分析（基于性别、种族、民族和年龄等特征）。此外，虽然AI方法对数字听诊器检测到的声音具有更高的灵敏度，但使用标准听诊器的医疗专业人员能更具体地进行诊断，可达到95.5%，而AI方法为84.5%，这可能会减少假阳性和/或对瓣膜性心脏病进行额外测试或筛查的可能性。然而，本研究仅评估了数字听诊器与传统听诊器的准确性。未来，研究人员计划评估6个月的患者随访数据，以更密切地审查临床结局和额外的诊断测试和治疗。

基于深度学习的视网膜成像预测糖尿病前期和糖尿病患者CVD事件

研究者利用UK Biobank数据进行了第二项研究，评估使用深度学习算法工具分析的眼球后方视网膜图像预测心血管疾病事件风险的有效性，心血管疾病事件的定义为心脏病发作、缺血性卒中、短暂性缺血性发作或心脏病发作或卒中导致的死亡。

深度学习是AI的一种方法，它训练计算机分析多层数据，并赋予计算机“学习”的能力，通过根据提供给它的新信息，独立于人类干预进化它们的模型——这一过程受到大量计算能力和数据需求的挑战。既往研究已成功开发了一种深度学习算法，通过分析视网膜图像和冠状动脉钙化评分预测心血管疾病事件。

研究人员使用深度学习算法将1101名糖尿病前期患者或2型糖尿病患者的视网膜图像根据心血管疾病的可能性分为低风险、中风险和高风险组。然后，他们测量了参与者中位数为11年的心血管疾病事件数量。

分析发现，在11年的研究期结束时，8.2%的低风险组、15.2%的中风险组和18.5%的高风险组参与者经历了心血管疾病事件。在考虑了人口统计学和其他潜在的心血管疾病危险因素，如年龄、性别、高血压药物使用、胆固醇药物使用和吸烟史后，中等风险组的人较低风险组的人发生心血管事件的可能性高57%。与低风险组相比，得分高的人患心血管疾病的可能性高88%。

该研究的主要作者Chan Joo Lee博士说:“这些结果表明，在糖尿病前期和2型糖尿病等高危人群中，使用AI分析视网膜成像作为心脏病早期检测工具非常具有潜力。可对这些患者群进行早期干预和更好的管理，最终减少心血管疾病相关并发症的发生率”。

研究背景：UK Biobank是一个大型生物医学数据库和研究资源，其中有大约50万成年人的健康记录（2006~2010年）——他们接受英国国家卫生服务机构管理。参与者平均年龄为59岁，45.5%为女性，主要为白种人（85.5%）。在1101名糖尿病前期或2型糖尿病的成年人中，550人属于低风险组，276人属于中等风险组，275人属于高风险组。在研究期结束时，138名参与者（12.5%）经历过心血管事件：45名来自低风险组，42人来自中等风险组，51人来自高危人群。研究人员使用大量人群数据集测试了成像预测心血管疾病的能力，然而，这些人群主要是白种人，这意味着研究人员的发现可能不适用于其他人群，还需要对不同种族和民族的人进行进一步的后续研究。

参考文献

1.Moshe A Rancier, Igor Israel, Vimalson Monickam, etal.Abstract 13244: Real World Evaluation of an Artificial Intelligence Enabled Digital Stethoscope for Detecting Undiagnosed Valvular Heart Disease in Primary Care

2，Chan Joo Lee, Tyler H Rim, Hyun Goo Kang, etal.Abstract 17817: Deep Learning-Based Retinal Imaging for Predicting Cardiovascular Disease Events in Prediabetic and Diabetic Patients: A Study Using the UK Biobank