美國時間28日，由史丹佛大學與西奈山醫學中心(Cedars-Sinai Medical Center)共同組成的醫療AI研發團隊，在2022年歐洲心臟學會年會(ESC 2022)上發表最新成果。該團隊透過臨床試驗證實，其所開發的AI演算法，在初步評估心臟超音波檢查的結果時，表現可比超音波檢查師(sonographer)還要來得好。
 
領導此研究的西奈山醫學中心Smidt心臟研究所David Ouyang醫師表示，AI在醫療中的應用令人振奮，但很少在前瞻性的臨床試驗(prospective clinical trials)中評估。而這項成果說明了在適當的設定下，AI演算法其實可以透過臨床試驗設計，很好地融入一般的臨床流程中。
 
左心室射出率(LVEF)的準確評估，對於心臟疾病的診斷和治療決策來說至關重要，但人為評估經常只使用很少的心臟週期影像，進而可能導致高度的觀測者間變異性(inter-observer variability)。
 
因此，Ouyang的研究團隊過去就針對這項痛點，開發出利用心臟超音波影像，評估LVEF的AI演算法——EchoNet-Dynamic。EchoNet-Dynamic以深度學習為基礎，利用涵蓋多個心臟週期的心臟超音波影片檔，訓練系統評估心臟功能，縮小誤差並產出穩定的結果。
 
EchoNet-Dynamic在一項遮盲、隨機化的試驗中，與超音波檢查師追蹤(tracing)進行直接比較(head-to-head)。結果顯示，AI相較於超音波檢查師，不僅展示出非劣效性，甚至表現得更好，且在LVEF的評估上，平均絕對誤差(mean absolute error)僅有4.1%~6.0%。
 
而在此次發表的EchoNet-RCT中，則是測試AI和超音波檢查師提出的初步評估結果，被負責審查、產出最終報告的心臟科醫師認為需要調整的頻率。心臟超音波檢查LVEF判定的標準臨床作業流程，是由超音波檢查師負責為患者掃描、提供LVEF的初步評估，再由心臟科醫師審查後提出最終報告。
 
在這項臨床試驗中，共計3495位患者的經胸壁心臟超音波圖(transthoracic echocardiograms)掃描結果，隨機分配給AI或超音波檢查師執行初步評估，再由心臟科醫師審查。試驗的主要試驗終點，是經審查後調整幅度達5%以上的頻率，並進行非劣效性(non-inferiority)和較優性(superiority)分析。
 
結果顯示，在主要試驗終點上，AI組的表現是16.8%，超音波檢查師的表現則是27.2%，在非劣效性和較優性上皆達到統計顯著；另外在安全性試驗終點上，設定為最終心臟科醫師的報告和先前心臟科醫師的報告差異，結果顯示AI組的平均絕對誤差為6.29%，超音波檢查師組的平均絕對誤差為7.23%，在較優性上達到統計顯著。
 
David Ouyang表示，AI演算法的隨機試驗在心臟學領域中可說是前所未有。如果能用正確的方式開發和整合AI演算法，將不只是可以改善超音波圖的判讀產出，也能減少超音波檢查師和負責產出報告的心臟科醫師的負擔、效率變得更高。
 
參考資料：
https://www.escardio.org/The-ESC/Press-Office/Press-releases/Artificial-intelligence-assessment-of-heart-function-is-superior-to-sonographer-assessment
 
(編譯 / 吳培安)