基于人工智能三維超聲心動圖評價心臟功能和疾病的研究進展

邢園園，薛紅元綜述 葉玉泉審校

隨著超聲技術的不斷發展，20世紀90年代初出現了三維超聲心動圖(three-dimensional echocardiography，3DE)并逐步應用于臨床。3DE的優勢在于避免了幾何假設，可以更準確地定量心腔，對心臟功能的評價更加準確。全容積心臟圖像還可以任意角度切割觀察，為心臟瓣膜病、先天性心臟病等疾病的超聲診斷提供了新的視角。其可更直觀地顯示心臟三維解剖結構，也便于與臨床醫師溝通。人工智能(artifcial intelligence，AI)目前在醫學領域主要應用于X射線、計算機斷層掃描(computed tomography，CT)、心臟磁共振成像(cardiac magnetic resonance imaging，CMR)等靜態圖像的分析[1-2]，研究人員也試圖將其應用于動態圖像中。近年來出現了一系列與AI相結合的3DE軟件[3]。現就3DE及AI在心臟相關疾病中的臨床應用、研究進展及未來應用前景進行綜述。

1 定義

1.1 三維超聲心動圖 早期的3DE基于人工掃描或機械旋轉傳感器采集圖像后再進行三維重建。最新的三維全容積矩陣探頭已經可以實現實時三維心臟超聲圖像的采集，新一代的經食管三維超聲心動圖(three dimensional transesophageal echocardiography，3D-TEE)更進一步地拓寬了三維超聲的應用范疇。

1.2 人工智能 AI本質上屬于一種計算機程序，可以通過模仿人類思維過程來執行人類智能任務[4-5]。AI已在游戲、社交媒體和機器人技術中使用了很長時間[6]。近年來由于計算機技術的進步和高級神經網絡的創建，AI在醫學成像領域得到了快速發展[7]，目前計算機視覺系統已經可以完成一部分專家水平的圖像診斷任務[8]。此外，AI 還可以應用于圖像采集、處理、報告和跟蹤，具有巨大的發展前景[9]。

1.3 機器學習 機器學習(machine learning，ML)是一種人工生成的計算機算法。計算機通過已輸入的數據進行學習，當出現類似數據，即可使用之前學習到的經驗來預測結果[10]。ML屬于AI的亞領域，也是AI的核心部分——計算機獲得智能的關鍵所在。ML是一個比較廣泛的概念，包括幾種不同的算法，大致可以分為有監督學習、無監督學習、半監督學習和強化學習[11-12]，其中有監督學習和無監督學習最常出現在技術領域和研究開發領域。

1.4 深度學習 深度學習(deep learning，DL)也稱為深度神經學習網絡。DL不需要在數據分類之前使用特定特征進行訓練，而是由互連節點組成的神經網絡來定義數據點之間的關系，是一種更高級別的ML算法。DL與傳統ML最大的區別在于DL使用多層神經網絡，它模擬了人類的神經通路，允許計算機系統讀取、構建和學習更加復雜、大量的數據集，這些人工神經網絡通常深達數百層，在這些多層結構中，數據被連續處理，直到獲得最終的輸出結果[13-14]。

1.5 卷積神經網絡 DL包括卷積神經網絡(convolutional neural network，CNN)、堆疊自動編碼器、深度置信網絡、深度玻爾茲曼機。其中CNN可以將輸入數據分層，根據不同的特征進行分類，能夠準確執行模式識別[15]。CNN近年獲得極大關注，它對包含1 000個不同類別的100萬張左右的圖像進行分類，錯誤率僅為傳統DL方法的一半[16-17]。目前CNN已被廣泛應用于影像醫學診斷[18-19]，是超聲心動圖與AI結合的研究熱點。

2 心臟結構和功能評價

2.1 左心容積和功能 左心室容積和功能評估是超聲心動圖的關鍵[20]。歐洲心血管影像協會/美國超聲心動圖學會(EACVI/ASE)已經推薦將3DE測量左心室容積應用于臨床[21]。應用3DE不僅可以準確評估左心室整體容積及功能，還存在可以評估左心室局部容積及功能的可能性。左心房容積和功能的評估在心血管系統疾病診斷中也起著非常重要的作用。3DE測得的左心房最大容積(maximal left atrium volume, LAVMAX)與CMR結果相關性良好，是嚴重心血管疾病的預測因子。傳統3DE分析方法需要前期進行專門的人員培訓，并且手動描繪心內膜操作繁鎖、耗時，無法適用于日常臨床工作。目前，已有多家儀器供應商研究了AI相關軟件對心臟結構和功能進行快速評估，例如Philips公司研發的Heart ModelAI(HM)是與AI相結合的3DE軟件，其原理基于解剖智能超聲模型的分割算法，可一鍵對左心容積進行測定，簡單、快速評價左心室收縮功能[22]。HM分析軟件存入1 000多個3DE的數據模型，首先自動檢測出收縮末期及舒張末期，軟件自動追蹤左心室心內膜、匹配體積和形狀。HM可以自動測量左心室射血分數(left ventricular ejection fraction，LVEF)、左心室舒張末期容積(left ventricular end diastolic volume，LVEDV)、左心室收縮末期容積(left ventricular end systolic volume，LVESV)、LAVMAX。Tsang等[23]首先應用HM、3DE、CMR分別對左心室和左心房進行了對比研究，其研究結果顯示，應用HM可以同時對左心室和左心房進行定量評估，其自動測量結果與手動測量的3DE、CMR均有很好的相關性。Medvedofsky等[24]對HM技術進行了一項多中心研究，其研究結果同樣顯示HM測量左心功能的準確性和可重復性。在國內的研究中，申斌等[25]通過HM與心臟超聲造影進行對比研究，進一步確認了其評價左心功能的可行性。李萌等[26]通過將HM自動化測量與進行輪廓調整后的數據與傳統3DE進行對比，其結論是HM對左心室容積的自動評估與3DE有很好的相關性及一致性，自動測量后對描記左心室心內膜進行輪廓調整可以提高測量準確率。目前，HM已經在不同人群中進行評價分析，結果良好，對部分心臟疾病的心功能評價也有可行性[23,27-30]。但對于失去正常形態的左心室功能評估較少，且尚未涉及左心室局部容積及功能的評價[31]。此外，HM已經可以對整個心臟容積進行自動測量和左心室質量測定[32-33]。AI軟件與“金標準”CMR的相關性和一致性好。盡管如此，心內膜的識別仍然容易出現一定的誤差。隨著AI技術的不斷發展，一些研究人員試圖應用不基于容積測量的評估方法來減少這些誤差。這些算法模仿了專業技術人員的眼睛和大腦功能，而不是通過追蹤心內膜和計算心室容積來得到心臟功能[34]。AI還可以幫助年輕醫師快速得出更加準確的超聲診斷結果[35]。

2.2 右心容積和功能 由于右心室復雜的幾何形狀，常規二維超聲很難對其進行評估。3DE可以快速、準確對右心室的容積和功能進行評估。同3DE對左心室容積的評估相似，與CMR相比也會低估右心室容積，但對右心室射血分數的評估更準確。Grapsa等[36]證實了3DE對肺動脈高壓患者右心房容積的評估也有重要價值。3DE的優勢還在于解剖關系的可視化，3DE應用于右心房可以觀察到很多二維超聲無法觀察的結構，如靜脈嵴、冠狀靜脈竇開口、三尖瓣環及歐氏瓣等。與左心室的AI自動評估相比，右心室的AI自動評估相對困難。Bersvendsen等[37]構建了一個多心室模型，該模型允許對左心室和右心室進行分割。多心室模型的建立可以對整體心臟功能進行臨床表現的評估。Levy等[38]發現應用可以識別邊界的隨機森林模型也可以準確識別右心室。

3 心臟疾病的評價

3.1 冠狀動脈粥樣硬化性疾病 冠狀動脈粥樣硬化性疾病(CAD)是最常見的冠狀動脈疾病之一。3DE及AI相關軟件可以更簡單、準確地評估心臟局部室壁運動及心臟形態，并且還可以對左心室質量進行定量評估來進行冠心病診斷。

3.1.1 左心室壁運動評估：超聲心動圖可以通過識別局部室壁運動異常(RWMAs)來診斷缺血性冠狀動脈疾病。經過培訓的超聲心動圖醫師對急診胸痛患者進行RWMAs評估是診治原則中的Ⅰ類推薦[39]。傳統2DE可以通過多切面掃查來評價RWMAs，而3DE僅需在一個位點進行掃查即可得到左心室全容積圖像，獲得更全面的室壁運動信息。Kusunose等[40]應用DL算法構建了心肌梗死自動診斷模型來檢測RWMAs，準確性與有經驗的超聲心動圖醫師相似。

3.1.2 左心室形態評估：應用超聲心動圖對心臟形態進行圖像分析在CAD臨床診斷中也起到了至關重要的作用[41]。3DE可以對心肌梗死后心室重構進行更準確的評價，其不僅可以定性評估動脈瘤等左心室形態的改變，還可以得出球形指數(SI)。隨著心功能惡化，心室會從正常的橢圓形向球形轉變，SI是急性心肌梗死后左心室重構的早期及獨立預測因子。Zhang等[42]通過應用已知結果的超聲心動圖圖像對AI軟件進行“訓練”，從而在新樣本中對左心室形態進行識別、分類。

3.1.3 左心室質量評估：左心室質量的增加是很多心血管病的獨立預測因子。3DE圖像采集是基于全容積心內膜及心外膜的識別，更準確地測定心肌體積，從而得到左心室質量。Qin等[43]對羊尸檢結果顯示，M型超聲心動圖(M-mode echocardiography，MME)高估了左心室質量(10%±21%)，2DE低估了左心室質量(-19%±9%)，而3DE提供了最接近的估測值(-8%±7%)。應用3DE評估左心室質量雖然有臨床應用價值，但軟件操作繁鎖，尚未較好的應用于臨床。Streiff等[44]建立了豬和羊的心肌梗死模型，嘗試應用AI自動分析軟件對左心室質量和應變進行評估。

3.2 心臟瓣膜病 3DE在評價心臟瓣膜病方面有其獨到的優勢，可以更加直觀地顯示瓣葉數目、位置、瓣膜及瓣下裝置等，并且可以進行多平面重建，提供了瓣膜完整、立體的圖像，同時更容易與外科醫生交流及進行手術方案的制定。

3.2.1 二尖瓣疾病：3DE通過體積渲染的方法可以描繪二尖瓣復雜的鞍形結構，形象地顯示二尖瓣結構，從而測量其前后徑、前外—后內側徑、二尖瓣環高度、二尖瓣面積、前后瓣膜接合部長度、接合部面積及主動脈與二尖瓣平面的夾角等多種2DE無法獲得的二尖瓣相關參數。在二尖瓣狹窄(mitral stenosis，MS)的評估中，可以通過裁剪圖像正確識別瓣口形態，測得最小的瓣口面積。在二尖瓣關閉不全(mitral regurgitation，MR)的診斷中，3DE可以更準確地判定反流口大小，從而避免了多個偏心射流所引起的反流口低估可能。由于二尖瓣瓣環與瓣葉并非平面關系，傳統的2DE常常過度或者低估二尖瓣脫垂(mitral valve prolapse，MVP)的程度，尤其在復雜性MVP中差別更為顯著，3DE可以顯示脫垂的確切位置和有無斷裂的腱索。AI軟件的出現并與3DE相結合又為各種二尖瓣疾病的診斷提供了新的思路。Kagiyama等[45]使用AI自動化軟件(Mitral Valve Navigator)對MVP進行定量評估，與手動方法相比，AI自動軟件可以獲得更多相關參數，并縮短了分析時間[(260±65)s vs.(381±68)s，P<0.001]。3DE可以從左心房方向觀察二尖瓣的形態及瓣周結構，從而為二尖瓣疾病的手術治療提供更多更準確的參考信息。應用3D-TEE可以評估瓣膜受損的具體情況和部位，定位穿房間隔的最佳位置。Jeganathan等[46]應用AI自動化軟件(eSie Valve Software)對二尖瓣圍手術期評估具有可行性。

3.2.2 主動脈瓣疾病：在主動脈瓣狹窄(aortic stenosis，AS)的診斷中，瓣口的準確測量至關重要。3DE可以從長軸及短軸各個切面進行評估，能夠準確找到瓣口狹窄平面。3DE還可以對冠狀動脈開口的位置及與主動脈瓣環的距離進行測量，并對主動脈瓣關閉不全(aortic regurgitation，AR)進行實時評估。但由于聲窗距離主動脈瓣較遠，3D-TEE對主動脈瓣評估會更有優勢。Calleja等[47]應用3D-TEE結合AI軟件(auto valve siemens)自動量化評估AS和AR，與專家評估的結果進行對比表現出色(ICC=0.99)。主動脈瓣置換對于嚴重的AS 治療至關重要。3DE在主動脈瓣置換術前需要評估瓣膜狹窄程度，為確定人工瓣膜的大小提供充分依據。在瓣膜置換術后心內膜炎診斷和預后評估中也有重要價值。3D-TEE被推薦應用于引導經皮主動脈瓣置換術，其可以更準確、直觀地評估主動脈瓣口的面積。在手術中，3D-TEE也可以判斷導絲、導管及置換瓣的正確位置，并時刻監測并發癥的發生風險。Prihadi等[48]的研究也證實了AI軟件與3D-TEE結合對主動脈瓣環和主動脈根部的評估與心臟CT測量結果一致性好。此外，AI軟件還可以顯著縮短分析時間，提高診斷效率[49]。

3.3 先天性心臟病 3DE可以應用于先天性心臟病(congenital heart disease,CHD)診斷中，在房間隔缺損的評估中，2DE在對缺損大小的評估時可能會出現低估的現象。3DE可以準確地評估缺損的類型、大小、位置，以及與相鄰結構的位置關系，對于選擇合理的手術方式和封堵器大小有著非常重要的作用。同樣的，對于室間隔缺損，3DE也可以進行更準確的評估。3DE尤其對于解剖結構較復雜的CHD更具優勢。AI軟件在CHD的診斷也取得了一些進展，有研究應用DL對大動脈轉位(transposition of the great arteries，TGA)或矯正型大動脈轉位(congenitally corrected transposition of the great arteries，ccTGA)進行診斷研究[50],該研究對132例患者(包括TGA和ccTGA)和67例正常對照者應用CNN自動分割系統來識別心室，診斷符合率為98.0%。Nabi等[51]的研究證實AI自動診斷程序支持向量機也可以自動診斷房間隔缺損。

4 3DE及AI臨床應用局限性

3DE時間和空間分辨率較低，隨著扇角的增大和深度的增加分辨率會進一步降低[52]。除了在其他醫學相關領域應用中的常見局限性以外[53]，AI在超聲心動圖中的應用還存在一些特定的局限性。首先，醫患之間的直接交流在心臟疾病診斷中扮演著無可替代的角色，而目前的AI技術與超聲心動圖相結合在人機交互方面還尚未發展成熟。由于受心率等的影響，超聲心動圖標準化切面的采集比其他器官更加困難，不利于多中心研究的數據收集。此外，不同種族之間心臟生理和解剖結構的差異也不容忽視。這意味著根據特定人群數據庫建立的AI模型可能無法適用于其他人群。因此，在進行AI軟件應用時，還需要考慮對應人群的最佳參數設置。

5 小結與展望

3DE在臨床中有很好的應用前景，目前推薦的應用范圍包括心臟容積和功能、心臟瓣膜病、冠心病、先天性心臟病等。對于心臟介入手術則推薦應用3D-TEE來進行引導[52]。盡管目前超聲心動圖檢查是診斷心血管相關疾病最重要的影像學方法之一，但在一定程度上仍然受到操作者臨床經驗的影響。AI能夠準確識別各種超聲心動圖特征并預測結果，且不受操作者經驗的限制。AI在超聲心動圖圖像獲取、圖像識別和定量分析中提供了廣泛的支持。隨著技術水平的不斷發展，提高三維超聲的時間和空間分辨率、進一步提高圖像質量、AI與3DE相結合及3DE與CMR、CT等影像學技術相互融合，將使得超聲心動圖能更多、更好地應用于臨床，并隨著超聲醫師操作水平的提高而更全面地與臨床醫師共同合作，促進心臟疾病診斷及治療水平的進步。