重度主动脉瓣狭窄（AS）患者的预后之差已被人们熟知，然而2019年的一项长期随访显示，中等程度的AS患者的预后情况也不容乐观。同时受性别和临床症状对医生主观判断的影响，大量存在瓣膜介入干预指征的患者在诊断环节被忽视。基于此类情况，Geoffrey Strange等设计并开展了DASE-AI研究，旨在利用人工智能自动警报系统（AI-AAS）辅助临床医生，通过消除诊断时的各类选择偏倚来提高主动脉瓣狭窄的检出率。

DASE-AI研究是一项多中心、回顾性的患者队列研究。研究纳入澳大利亚两家三级转诊医院共21749名完成超声检查的患者，剔除了既往瓣膜置换术的患者、非经胸超声心动图的患者和人工智能分析基础数据不足的患者后，共有9189名患者进入研究队列。研究者基于人工智能自动警报系统（AI-AAS）对重度AS的自动识别，比较了传统人工诊断和EchoSovl心脏病筛查系统诊断的差异及后续临床管理路径的不同。

图1. 研究流程图及诊断结果和临床路径选择结构

在9189名患者中，有218（2.4%）名患者和376（4.1%）名患者分别被传统人工和AI-AAS系统判定为重度AS。其中，204（2.2%）名患者的人工诊断和AI-AAS判定一致，另有66（0.72%）名患者虽然存在重度AS表现但根据指南被诊断为非重度AS，108（1.18%）名患者存在中等AS风险。AI-AAS组依据指南诊断为重度AS的患者平均压差为38.3±16.9mmHg，最大流速为3.77±0.85m/s，瓣口面积为0.78±0.29cm²；高度AS风险组的患者平均压差为22.8±8.30mmHg，最大流速为3.00±0.58m/s，瓣口面积为1.14±0.09cm²；中度AS风险的患者平均压差为19.0±8.31mmHg，最大流速为2.71±0.66m/s，瓣口面积为1.21±0.19cm²；低AS风险的患者平均压差为5.16±3.88mmHg，最大流速为1.42±0.42m/s，瓣口面积为2.78±0.80cm²。

在患者的后续临床路径选择上，经AI-AAS判定为重度AS的患者中有171（45.5%）名接受了介入干预，56（14.9%）名接受药物治疗；高度AS风险组有12（18.2%）名患者接受介入干预，14（21.2%）名接受药物治疗；中度AS风险组有11（10.2%）名患者接受介入干预，26（24.1%）名接受药物治疗。

在550名AI-AAS判定中等风险以上AS的患者中有218名被人工诊断为重度AS，两组的血流动力学特征（平均跨瓣压差，瓣口面积）存在差异，同时男性患者重度AS的诊断率也高于女性患者，而两组患者的左室功能和其他基线数据没有明显差别。

图2. 人工判读队列患者特征比较

图2续. 人工判读队列患者特征比较

在AI-AAS队列中，低风险组的年龄和血流动力学特征（最大流速、平均跨瓣压差和瓣口面积）均与其他三组有明显差异。

图3. AI-AAS队列不同诊断组患者特征比较

在根据后续临床路径选择进行的分组比较中，瓣膜介入干预组与药物干预组未表现出明显差异。

图4. 不同临床路径选择组患者特征比较

在根据指南诊断为重度AS的患者中有149名未明确后续临床路径的选择，其中33%的患者存在可能的合并症或干预禁忌症。

图5. 未明确临床路径选择的重度AS患者基线特征比较

研究发现，在376名AI-AAS判定重度AS的患者中有172名患者最初并未被在传统人工诊断中被确定，女性（92/169，54.4%）比例高于男性（80/207，38.6%），女性根据指南被准确诊断为重度AS的可能性比男性低79%（adjust OR 0.21，95% CI 0.10-0.45；p<0.001），而EchoSovl系统将为2.1倍的女性和1.6倍的男性的明确治疗提供诊断依据。

当AI用于辅助传统人工诊断时，额外发现了72%的高度AS风险的患者。总体而言，女性患者被准确诊断的可能性比男性低66%（指南定义的重度AS诊断准确性低79%），在调整禁忌症和合并症的队列中，AI识别可能使67%的患者通过及时干预而受益，这可能与AI消除了性别、血流动力学特征和临床症状的选择偏倚有关。