健心知著 | 基于人工智能的超声心动图作为多模态主动脉瓣狭窄影像学替代指标：一项临床试验的事后分析
见心论道在线 2026-07-15 09:56

健心知著

2026.07.15

第545期

640.png

基于人工智能的超声心动图作为多模态主动脉瓣狭窄影像学替代指标：一项临床试验的事后分析

640 (1).png

刘健、周海燕、孙宇彤

北京大学人民医院

健心荐语

主动脉瓣狭窄（aortic stenosis，AS）是老年人最常见的瓣膜性心脏病之一，目前临床主要依赖超声心动图评估血流动力学，并结合CT主动脉瓣钙化积分及PET显像等多模态影像对瓣膜钙化、炎症活性及疾病进展进行综合判断。然而，多模态影像检查费用高、可及性有限，难以广泛应用于临床实践，因此探索一种能够利用常规超声替代多模态影像、全面反映AS疾病负荷的新方法已成为近年来心血管影像领域的重要研究热点。本研究创新性地提出基于人工智能的数字主动脉瓣狭窄严重程度指数（Digital Aortic Stenosis Severity Index，DASSi），旨在通过普通二维超声图像提取传统人工无法识别的影像信息，实现对AS严重程度、瓣膜钙化、炎症活性及疾病进展的综合评估，为主动脉瓣狭窄精准诊疗提供了新的思路。

文章介绍

本研究基于SALTIRE-2临床试验数据开展事后分析，旨在开发一种基于二维超声心动图的人工智能模型，通过构建DASSi，验证其是否能够替代CT主动脉瓣钙化积分及PET炎症显像等多模态影像，对主动脉瓣狭窄的整体疾病负荷进行评价，并进一步预测疾病进展及主动脉瓣置换风险，为人工智能在AS风险评估中的临床应用提供依据。本文于2026年发表于《Circulation: Cardiovascular Imaging》。

研究方法

本研究基于SALTIRE-2随机临床试验数据开展事后分析，纳入接受二维经胸超声心动图（2D-TTE）、非增强CT主动脉瓣钙化积分及PET/CT检查的主动脉瓣狭窄患者，并完成纵向随访。研究首先利用患者常规二维超声心动图标准切面图像（包括胸骨旁长轴、短轴及心尖切面等）作为人工智能模型输入，通过预先训练的深度学习网络自动提取传统人工难以识别的高维影像特征，构建DASSi，该指数为连续变量，用于量化患者整体疾病负荷。随后，以传统超声心动图测量的主动脉瓣峰值流速（Vmax）、平均跨瓣压差（MG）、主动脉瓣面积（AVA）等血流动力学指标，以及CT测得的主动脉瓣Agatston钙化积分和^18F-NaF PET反映的瓣膜炎症活性作为参照标准，评价DASSi与不同影像学指标之间的相关性；同时结合随访资料，分析DASSi与主动脉瓣血流动力学进展、瓣膜钙化进展及主动脉瓣置换术（AVR）发生风险之间的关系，并采用相关性分析、回归分析及生存分析等统计学方法，全面验证DASSi作为数字生物标志物替代多模态影像评估主动脉瓣狭窄严重程度、疾病活动性及临床预后的可行性和预测价值。

640 (2).png

图形摘要

研究结果

研究结果显示，基于二维超声构建的DASSi能够全面反映主动脉瓣狭窄患者的疾病状态。首先，在基线分析中，DASSi与传统超声血流动力学指标呈显著相关，随着DASSi升高，患者主动脉瓣Vmax及MG逐渐升高，而主AVA逐渐减小，提示DASSi能够准确反映AS的功能学严重程度。其次，DASSi与CT主动脉瓣Agatston钙化积分密切相关，DASSi越高，瓣膜钙化程度越重，说明人工智能不仅能够识别血流动力学改变，还能够反映瓣膜的结构性损伤。同时，研究发现DASSi与^18F-NaF PET显像所反映的瓣膜炎症及钙化活性显著相关，提示普通二维超声结合人工智能能够提取传统影像无法直接识别的生物学信息，间接反映瓣膜持续钙化及疾病活动性。在纵向随访中，作者按照DASSi水平将患者分为4组（DASSi＜0.30、0.30～0.49、0.50～0.69及≥0.70），结果显示DASSi越高，主动脉瓣峰值流速增加越快，24个月内Vmax增幅呈明显梯度上升，提示疾病进展速度明显加快；与此同时，高DASSi组患者主动脉瓣CT钙化积分增长速度亦明显高于低DASSi组，说明其瓣膜结构损伤持续加重。在长期临床随访中，Kaplan–Meier分析显示，高DASSi患者无主动脉瓣置换术AVR-free生存率明显下降，接受主动脉瓣置换治疗的风险显著增加，提示DASSi不仅能够评估当前疾病严重程度，还能够预测未来疾病进展及临床结局。总体而言，本研究证实，DASSi能够同时反映主动脉瓣狭窄的功能学严重程度、结构性严重程度和生物学活性，并具有预测疾病进展及风险分层的能力，显示出作为多模态影像替代指标和数字生物标志物的重要潜力。
640 (3).png

图1 研究设计及研究流程图

640 (4).png

图2 DASSi与AS多模态影像表型的横断面相关性

640 (5).png

图3 基线DASSi与主动脉瓣狭窄经多普勒超声及CT影像评估疾病进展的关系

640 (7).png

640 (9).png

图4 基线DASSi水平与AVR事件的发生表1 研究人群特征

640 (8).png

表2 基线DASSi与AS进展相关的功能及结构指标纵向变化之间的关联

结 论

本研究成功建立了基于普通二维超声心动图的人工智能数字主动脉瓣狭窄严重程度指数（DASSi），证实其不仅能够准确评估主动脉瓣狭窄严重程度，还能够反映CT主动脉瓣钙化及PET炎症显像所提供的疾病信息，并预测主动脉瓣狭窄的进展及主动脉瓣置换风险。研究提示，人工智能赋能的超声心动图有望成为多模态影像的重要替代工具，实现主动脉瓣狭窄整体疾病负荷的综合评估，并作为一种新的数字生物标志物应用于临床风险分层及疾病管理。

讨论

该研究通过SALTIRE-2前瞻性临床试验，利用三种影像模态对AI生物标志物DASSi进行了系统的机制验证，建立了目前最扎实的AI超声biomarker验证框架之一，其核心价值在于DASSi完全基于二维PLAX视频的全自动流程，无需依赖多普勒参数或人工测量，克服了传统超声操作者依赖性的瓶颈，同时不仅能反映常规血流动力学指标，还能关联主动脉瓣钙化负荷和微钙化活性等结构和生物学特征，实现了单一指标对功能、结构与生物学的多维表征；在临床意义上，基线DASSi与AS血流动力学和结构性进展呈连续分级关联且独立于传统危险因素，为轻中度AS患者的精细风险分层提供了客观工具，同时DASSi引导入组可降低约44%的样本量需求，有望在2期和早期3期试验中作为中间替代终点加速药物研发，且因其操作简便、不依赖高端设备，有助于资源有限地区的研究参与；方法学上，该研究基于前瞻性规范化随访、与CT及PET多模式影像头对头比较增强了可解释性，且在此前超45,000人的多地理队列中已验证其判别能力优于结构化数据模型，但局限性同样值得关注，包括约10%的视频因视图分类软件信心不足被排除、因AVR转诊删失可能低估真实效应量、单中心设计且男性占近80%限制了人群外推性、未能与其他深度学习模型进行头对头比较，以及因隐私原因未生成显著性图而依赖既往研究提供解释。

总体而言，这是一项方法学严谨且转化潜力突出的研究，DASSi在不增加临床工作负担的前提下提供了超越传统超声的预后信息，为AI在心血管影像中的落地应用树立了标杆，但从科研到广泛临床推广仍需多中心、多样本人群的前瞻性验证并解决自动化失败率问题。

阅读数: 159