国家心血管病中心重磅解读
ESC 2022｜热点研究
特别鸣谢：国家心血管病中心专家团队
点评专家：潘湘斌、张戈军、谢涌泉、房芳、赵杰、胡晓鹏、刘巍（北京积水潭医院）
解读作者：刘则烨、孔朋旭、李泽夫、鞠文浩、庄东林、冯舒毅、闫一鸣、李易航、张靖男、夏智渊、魏培坚、李文超、李航、杨坤璂
2022年8月27日，在西班牙的巴塞罗那举办的欧洲心脏病学会(ESC)会议上，David Ouyang教授公布了“EchoNet-RCT”研究的结果。这项研究基于其团队2020年发表于Nature的人工智能模型及数据[1]，采用随机化及盲法的手段，证明了人工智能使用超声心动图数据，具有不劣于高年资专科专家的左室射血分数判断能力，并且足以同专家的判读结果“以假乱真”。具有良好的安全性和有效性。同时也可以帮助节省检查所需时间。
特邀点评：潘湘斌
解读：刘则烨
国家心血管病中心 中国医学科学院阜外医院
目前将AI（artificial intelligence，人工智能）应用于心血管领域已经取得了非常大的进展，尤其是在图像处理方面。例如John R. Giudicessi等发表在Circulation杂志上的一项研究[2]显示深度学习网络模型检测长QT综合征的AUC值可以达到惊人的0.97，远胜过市面上常见的心电图机器[3]。R Zeleznik等[4]发表的一项研究则使用U-net网络模型实现了自动识别和分割冠状动脉钙化并计算冠脉钙化（CAC）评分，并在后续的随访中证实人工智能计算的结果和人类专家计算的结果同样可靠。而Shuhei Toba等[5]使用机器视觉深度学习模型判断体肺分流比（Qp/Qs），这对于肉眼来说是十分困难的。总之，人工智能或许能抓住更多隐含的信息，进而识别疾病或危险因素并进行分层。
但是，David Ouyang教授指出目前医学人工智能方向的研究有98%仅使用了回顾性数据，有75%为单中心研究。目前还没有使用盲法及RCT（randomized controlled trial，随机对照试验）的高证据力度研究来探索人工智能进行医学应用的安全性及有效性。因此，其团队开展了采用盲法及随机化的临床研究探索在使用超声图像评估心脏功能这一任务上人工智能与人类对比的效果。
人工智能方面，参与研究的是其团队2020年发表的人工智能模型“EchoNet-Dynamic”[1]。而人类专家方面，则由35名平均工作时间超过10年的超声医师（25名）及心脏科医师（10名）参与对比。研究中超声医师与AI模型1：1随机配对，通过超声心动图判断左室射血分数并进行右室边界勾绘，如果双方判断的数值差异超过5%则视为具有实质性差异。双方给出的判读结果混合并进行盲法处理后由心脏科专家区分每项结果来自人类还是人工智能。数据方面，纳入成人经胸超声心动图（预先计划纳入3500例），而在“人机磨合期”被人类专家注释了右室射血分数并用于训练的那部分图像则被排除了。主要结果为AI与人类专家判读结果的差异程度和差异频率。需要强调的是，为了确保研究的安全性（人工智能这类新技术直接应用于患者的伦理问题），这些数据并非来自对患者的重新检查，而是采用已有的被标注的历史数据（金标准）。即使抛开人工智能不谈，这也是一项大型的探索不同人类专家对超声判读倾向的研究。
研究最终纳入了3495例患者的图像信息，其中1740例随机分配到了AI组，1755例分配到了人类组。结果表明心脏科专家无法区分AI与人类对心脏超声的判读结果（正确率仅32.3%），也就是无法辨别那些结果出自AI而那些出自人类专家。并且AI对左室射血分数的评估能力不劣于人类专家。另外，有了AI的帮助，心脏科专家判读超声心动图的速度也快于超声科专家，节约了时间。
这项研究的优势在于使用了随机化及盲法的手段提高了证据力度，开源了模型代码，并且也是最大的关于不同临床医师判读超声心动图倾向的研究。同时，其不足包括仅为单中心研究，超声切面单一且无法评估长期影响。
由于受到操作者主观影响较大，心脏超声诊疗中可能会出现“一千个读者眼中就会有一千个哈姆雷特。”的现象。这制约了心脏超声检查的规范化和标准化。而这项研究证明了人工智能具有不劣于高年资专科专家的基于超声心动图的左室射血分数判断能力，并且足以同专家的判读结果“以假乱真”。具有良好的安全性和有效性。同时也可以帮助节省检查所需时间。随着超声技术在心血管疾病诊疗中的地位日益凸显，尤其是超声引导介入治疗技术的出现，对超声图像标准、准确且快速的判读显得更为重要，故这一领域的研究价值也将愈发显著。
专家点评:
自然科学的进步将带给人类生活不断的变革。随着科学技术的发展，人工智能、大数据、云计算等技术正逐步深入生活的方方面面，医学领域也不例外。和传统方法相比，人工智能在捕捉细微信息、整合多模态数据及重复大批量劳动等方面具有极大的优势。但是作为一个新兴的研究领域，目前多数医学人工智能研究都存在证据力度不足的现象，缺乏大规模、多中心、前瞻、盲法、随机化的高质量研究来证明这种新方法的安全性及有效性。David Ouyang教授及其团队的成果是一个极好的示例，这也将推动医学人工智能研究更加规范化，并给出更加严谨、高证据级别的结论。在医工融合的大背景下，在开发新技术的同时也应充分重视对技术的考量和评价，才能更好的服务于大健康事业。
参考文献：
[1] Ouyang, David et al. “Video-based AI for beat-to-beat assessment of cardiac function.” Nature vol. 580,7802 (2020): 252-256.
[2] Giudicessi J R, Schram M, Bos J M, et al. Artificial Intelligence–Enabled Assessment of the Heart Rate Corrected QT Interval Using a Mobile Electrocardiogram Device. Circulation, 2021, 143(13): 1274-1286.
[3] Shi Y, Gao L, Wang J, et al. Development of Automatic Diagnosis and Evaluation System for ECG Recorder. Zhongguo Yi Liao Qi Xie Za Zhi, 2017, 41(2): 117-119.
[4] Zeleznik R, Foldyna B, Eslami P, et al. Deep convolutional neural networks to predict cardiovascular risk from computed tomography. Nat Commun, 2021, 12(1): 1-9.
[5] Toba S, Mitani Y, Yodoya N, et al. Prediction of pulmonary to systemic flow ratio in patients with congenital heart disease using deep learning–based analysis of chest radiographs. JAMA Cardiol, 2020, 5(4): 449-457.
点评专家
潘湘斌
中国医学科学院阜外医院
院长助理，结构性心脏病中心主任，云南省阜外心血管病医院执行院长，华中阜外医院总院长助理。复合型心血管病专家，发明15项世界首创技术，获得25项国内外专利，多项产品在国内外上市，以中国技术、中国产品构建了具有完全自主知识产权的中国方案。其发明成果得到国际同行的广泛认可，受聘担任美国胸外科医生协会（STS）、心血管介入协会（SCAI）及美国心脏病学院（ACC）外籍资深专家，多次受邀赴法国、英国、俄罗斯、加拿大、土耳其、肯尼亚等二十多个国家和地区现场演示手术，多次出色完成国家医疗外交任务，其主编的教材被欧美专家翻译成英文，培养了来自美国、德国、日本、土耳其等三十余个国家的学员，成规模、成体系地向世界输出中国方案。
解读作者
刘则烨
北京协和医学院医学博士，计算机双学位，师从潘湘斌教授，研究方向为心血管疾病与人工智能，人工智能算法工程师、生物信息学工程师，发表SCI、核心期刊多篇。
