Elastyczna względem widoku głęboka sieć do zautomatyzowanej analizy echokardiografii 2D

Dlaczego skany serca potrzebują wsparcia

Badania ultradźwiękowe serca są filarem współczesnej kardiologii, lecz uzyskanie wiarygodnych informacji z tych badań zwykle wymaga wieloletniego szkolenia. W zatłoczonych poradniach, oddziałach ratunkowych czy odległych lokalizacjach taka wiedza nie zawsze jest dostępna, co może opóźniać opiekę nad osobami z chorobami serca. W tym badaniu sprawdzono, czy sztuczna inteligencja (SI) potrafi odczytywać typowe filmy z badania serca z niemal dowolnego standardowego kąta, umożliwiając wysokiej jakości ocenę serca nawet wtedy, gdy obrazy wykonuje mniej doświadczony użytkownik przy użyciu przenośnego urządzenia.

Nowy sposób czytania ruchomych obrazów serca

Badacze opracowali ramy oparte na głębokim uczeniu, które potrafią analizować krótkie klipy z dwuwymiarowej echokardiografii — ruchome czarno-białe obrazy bijącego serca. W przeciwieństwie do tradycyjnych narzędzi komputerowych oczekujących bardzo specyficznego kąta rejestracji, system ten akceptuje kilka powszechnych widoków, o ile w kadrze znajduje się główna jama wyrzucająca, lewa komora. Na podstawie tych zróżnicowanych widoków SI oszacowuje trzy rzeczy: jak dobrze serce pompuje krew (frakcja wyrzutowa lewej komory, LVEF), wiek pacjenta oraz płeć pacjenta. Kluczową ideą jest uwolnienie ultradźwięków od sztywnych wymagań co do widoku, tak aby dobre pomiary były możliwe nawet wtedy, gdy obrazy nie są idealne.

Testowanie systemu na różnych pacjentach

Aby ocenić działanie ram, zespół wytrenował je na dziesiątkach tysięcy standardowych echokardiogramów ze szpitali Mayo Clinic w Minnesocie i Wisconsin. Następnie przetestowali system na kilku niezależnych grupach: kolejnych pacjentach z Arizony i Florydy, dużym publicznym zbiorze ze Stanford oraz dwóch kolekcjach pochodzących z urządzeń przenośnych. Jeden zestaw przenośny pochodził od pacjentów, którzy podczas tej samej wizyty mieli zarówno badanie na standardowym aparacie, jak i skan przenośnym. Drugi obejmował szpitale w Stanach Zjednoczonych i Izraelu, gdzie obrazy z przenośnych aparatów rejestrowali zarówno doświadczeni sonografowie, jak i nowicjusze — pielęgniarki i rezydenci medyczni po krótkim szkoleniu i korzystający z oprogramowania prowadzącego w czasie rzeczywistym.

Jak dokładne były oszacowania serca i cech ciała przez SI?

We wszystkich tych zróżnicowanych zbiorach danych oszacowania LVEF przez SI ściśle odzwierciedlały wartości obliczone przez ekspertów, z typowymi różnicami poniżej dziesięciu punktów procentowych w zdecydowanej większości przypadków. SI poradziła sobie również z praktycznym pytaniem: rozstrzygnięciem, czy wydolność pompowania serca jest wyraźnie obniżona. Zarówno dla standardowych aparatów, jak i urządzeń przenośnych, skuteczność systemu w wykrywaniu istotnie niskiego LVEF była porównywalna z osiągami specjalistów. Co ważne, wyniki pozostawały mocne, gdy obrazy rejestrowano skanerami przenośnymi, a nawet gdy obsługiwali je nowicjusze korzystający z oprogramowania pomocniczego. Tylko w niewielkiej mniejszości przypadków oszacowania LVEF z klipów wykonanych przez nowicjuszy różniły się istotnie od klipów wykonanych przez ekspertów dla tego samego pacjenta.

Ukryte wskazówki o wieku i płci zawarte w ruchu serca

Ponadto SI zaskakująco dobrze zgadywała wiek i płeć osoby na podstawie samego badania ultradźwiękowego serca. Szacowany wiek silnie korelował z wiekiem rzeczywistym, niezależnie od tego, czy obrazy pochodziły ze standardowych aparatów, czy z urządzeń przenośnych. Klasyfikacja płci również była wysoko dokładna we wszystkich grupach testowych. Choć te cechy są już znane w praktyce klinicznej, możliwość wiarygodnego wnioskowania o nich na podstawie ruchu serca sugeruje, że obrazy ultradźwiękowe zawierają subtelne wzorce starzenia i różnic biologicznych, których oko ludzkie rutynowo nie kwantyfikuje. Autorzy sugerują, że niezgodności między wiekiem oszacowanym przez SI a wiekiem rzeczywistym mogłyby w przyszłości odzwierciedlać „biologiczny wiek serca” i pomagać w identyfikacji osób o wyższym ryzyku sercowo-naczyniowym.

Co to oznacza dla przyszłej opieki nad sercem

To badanie pokazuje, że jedna rama SI może przekształcić szeroki wachlarz rutynowych klipów ultradźwiękowych serca w użyteczne informacje kliniczne bez wymogu idealnych kątów rejestracji czy ekspertów obsługujących aparat. Poprzez dokładną ocenę funkcji pompowania serca i wydobywanie szerszych wskazówek o cechach pacjenta zarówno ze skanów standardowych, jak i przenośnych, podejście to mogłoby wspierać szybszą segregację w poradniach, oddziałach ratunkowych, a nawet w opiece przedszpitalnej. Chociaż rozwiązanie wymaga jeszcze testów w bardziej rasowo i etnicznie zróżnicowanych grupach oraz w mniej kontrolowanych warunkach rzeczywistych, wskazuje ono kierunek ku przyszłości, w której więcej osób udzielających opieki, wyposażonych w proste przenośne skanery, może uzyskać wiarygodne informacje o zdrowiu serca bezpośrednio przy łóżku pacjenta.

Cytowanie: Anisuzzaman, D.M., Malins, J.G., Jackson, J.I. et al. A view-flexible deep learning framework for automated analysis of 2D echocardiography. npj Cardiovasc Health 3, 17 (2026). https://doi.org/10.1038/s44325-025-00100-7

Słowa kluczowe: echokardiografia, sztuczna inteligencja, przenośny ultradźwięk, </keyword<ejection fraction>> <keyword>obrazowanie układu sercowo-naczyniowego