基于人工智能的多模态超声评估预测肺动脉高压和右心衰患者右心功能相关死亡率

为什么这对患者和家属很重要

肺动脉高压和右心衰常常在症状出现前处于隐匿状态，一旦进展就可能危及生命。医生可以通过心脏超声图像观察，但对右心室的早期轻微损伤容易被忽视且难以量化。本研究展示了一种人工智能（AI）系统如何比单靠人类更详细地读取这些心脏扫描，帮助医生估计患者在住院期间及未来数年内的死亡风险——并有可能更早进行干预。

细看被应激的右心

当肺循环的压力持续升高时，右心需要对抗额外阻力来泵血。随着时间推移，右心室扩张，肌纤维功能减弱，患者出现水肿、呼吸困难和低血压。常规超声心动图——即常见的心脏超声——可以测量一些简单的运动，例如心跳时瓣环移动的距离。但右心室形态复杂，收缩不均匀，因此这些传统测量在早期或局灶性损伤时可能遗漏，尤其是在病情严重的患者中。

测量心肌的变形情况

现代超声软件可以逐帧追踪肌壁中的微小斑点模式，计算每个区域在每次心跳中的缩短和延长程度。这种度量称为纵向应变（longitudinal strain），对右心室尤为重要。本研究中，医生关注的是取自右心室壁六个标准段的平均应变值。数值越不负（即缩短越少）表示肌肉功能越弱。在586例因肺动脉高压并右心衰住院的成年人中，死亡者的应变值明显更差且肺动脉压更高，这证实了这种细致的运动指标反映了真实的生物学风险。

教AI读心脏

研究团队构建了一个深度学习模型，不依赖单一数字或图像类型。相反，模型分析了来自一次心跳的三类信息流：随时间变化的完整应变曲线、两个视角的超声视频片段，以及显示血流速度和方向的多普勒波形。每一类信息由特定的编码器处理，随后一个“交叉注意力”模块教会AI将属于同一运动、结构和流动模式的特征对齐。临床数据和常规超声测量也被纳入。系统的任务很直接：对每位患者输出住院期间及长期随访期间的死亡概率。

AI预测结局的表现如何

患者被随机分为训练、验证和测试组，以便在AI从未见过的数据上检验最终性能。在独立测试集中，模型达到受试者工作特征曲线下面积（AUC）为0.823，意味着它在超过十分之八的情况下能正确将高风险与低风险患者排序。它的表现优于单独使用的常规指标，包括肺动脉压和平均右心室应变值。该AI系统还很高效：分析所需的超声信息大约需四分钟，而超声技师手动执行并解读应变分析大约需二十分钟。

这对治疗可能意味着什么

对于躺在重症监护病床、病情进展的肺动脉高压患者，了解其右心是否在悄然失代偿或仍然稳定，会影响治疗选择——例如何时加强药物治疗、考虑先进治疗方案或安排更密集的随访。本研究表明，接入日常心脏超声的AI助理可以比标准指标单独使用提供更精确、及时的风险评估。尽管该方法仍需在其他医院和不同超声设备上进一步验证，但它指向了一个未来：对心肌运动进行详细、自动化的分析，有助于医生为重症右心病患者量身定制护理，并有可能改善生存率。

引用: Mou, H., Zhang, G., Xiu, L. et al. AI–assisted multimodal assessment for right ventricular function from echocardiography predicts mortality in patients with pulmonary hypertension and right heart failure. Sci Rep 16, 5323 (2026). https://doi.org/10.1038/s41598-026-36533-y

关键词: 肺动脉高压, 右心衰, 超声心动图, 人工智能, 风险预测