DRPP科研工作台上新科研工具，从文献检索到参考文献格式调整：去使用科研工作台>>

2026 年 08 月 28 日，《JAMA cardiology》(IF=15.2) 发表了一篇诊断性研究，使用来自梅奥诊所 (Mayo Clinic) 多个站点的数据，评估了人工智能 (AI) 引导的聚焦心脏超声 (FoCUS) 结合深度学习算法筛查中度及以上主动脉瓣狭窄 (AS) 的性能。研究发现，该深度学习算法在不同验证队列中均表现出优异的判别能力，且新手操作员在 AI 引导下也能准确获取超声图像以检测中度及以上 AS，为资源有限环境下的 AS 筛查提供了可扩展策略。

原文链接：https://pubmed.ncbi.nlm.nih.gov/42661496/

研究方法

本诊断性研究包括回顾性算法开发和验证，以及在中西部、亚利桑那州和佛罗里达州的梅奥诊所站点前瞻性评估人工智能 (AI) 引导的聚焦心脏超声 (FoCUS)。该模型使用 6753 例患者进行开发，并在内部验证 (n = 852)、内部测试 (n = 844) 和验证 (n = 1912) 队列中进行评估。性能在由经验丰富的超声技师 (n = 602) 获取的 FoCUS 上进行评估，并由新手操作员 (n = 1302) 前瞻性评估。回顾性模型开发和验证队列包括 2005 年 1 月至 2022 年 9 月进行的研究。前瞻性研究在 2 个入组期间进行，分别为 2024 年 6 月至 8 月和 2025 年 6 月至 9 月。两个期间的参与者合并组成最终的前瞻性队列。

AI 引导的 FoCUS 获取和基于深度学习的自动化评估用于检测中度或更严重的主动脉瓣狭窄 (AS)。

检测中度或更严重的 AS。性能使用受试者工作特征曲线下面积 (AUROC)、敏感性、特异性和阳性预测值进行评估。

研究结果

模型在内部测试队列 (AUROC, 0.99; 95% CI, 0.98-1.00) 以及亚利桑那州 (AUROC, 0.99; 95% CI, 0.97-1.00) 和佛罗里达州 (AUROC, 0.99; 95% CI, 0.96-1.00) 的地理位置不同的验证队列中显示出卓越的判别能力。在由经验丰富的超声技师获取的聚焦心脏超声检查中，敏感性为 95% (95% CI, 82-99)，特异性为 97% (95% CI, 95-98)。在前瞻性新手操作员队列中，1302 次检查中有 1258 次 (96.6%) 适合自动分析。敏感性为 93% (95% CI, 82-99)，特异性为 96% (95% CI, 95-97)。对人工智能阳性和无法解读的检查进行专家审查后，阳性预测值从 49.4% 提高到 91.1%，敏感性为 85.4%。

研究结论

在本研究中，深度学习算法在验证队列中准确检测出中度或更严重的主动脉瓣狭窄。在前瞻性评估中，新手操作员能够获取人工智能引导的聚焦心脏超声检查，从而实现中度或更严重的主动脉瓣狭窄的准确检测。这些发现支持一种可扩展的策略，该策略可能扩大超声心动图资源有限的环境中对主动脉瓣狭窄检测的可及性。

参考文献

Lee E, Naser JA, Kane CJ, Kovac JL, Greason C, Killalea MM, et al. Artificial Intelligence-Enabled Acquisition and Interpretation for Screening Aortic Stenosis.. JAMA cardiology. 2026 Aug 28. doi: 10.1001/jamacardio.2026.3829

DRPP科研工作台上新科研工具，从文献检索到参考文献格式调整：去使用科研工作台>>