Применение алгоритма глубокого обучения для обучения начинающих операторов получению эхокардиограмм ограниченного диагностического объёма

Значимость: В последние годы искусственный интеллект применяют для анализа медицинских изображений, однако использование искусственного интеллекта для наведения оператора при получении ультразвуковых изображений представляет собой новое направление исследований. Новый алгоритм глубокого обучения, созданный на основе более 5 млн примеров влияния перемещения ультразвукового датчика на качество изображения, способен в реальном времени выдавать предписания начинающим операторам и помогать им получать трансторакальные эхокардиографические изображения ограниченного диагностического объёма.

Цель: Проверить, могут ли пользователи без опыта получать трансторакальные эхокардиографические исследования диагностического качества в 10 позициях с помощью программного обеспечения на основе глубокого обучения.

Дизайн, место проведения и участники: Проспективное многоцентровое диагностическое исследование проведено в двух академических больницах. В исследование включили 8 медицинских сестёр, ранее не выполнявших эхокардиографию; их обучали с использованием искусственного интеллекта. Каждая медицинская сестра обследовала 30 пациентов в возрасте 18 лет и старше, которым по клиническим показаниям была назначена эхокардиография в больнице «Нортвестерн Мемориал» или Институте сердца Миннеаполиса в период с марта по май 2019 года. Эти исследования сравнивали с исследованиями, выполненными специалистами по ультразвуковой диагностике на том же эхокардиографическом оборудовании, но без помощи искусственного интеллекта.

Вмешательства: Каждому пациенту выполняли два ограниченных эхокардиографических исследования: одно — медицинской сестрой без предшествующего опыта эхокардиографии с использованием алгоритма глубокого обучения, другое — специалистом по ультразвуковой диагностике без использования этого алгоритма. Пять специалистов по эхокардиографии с подготовкой уровня 3 независимо друг от друга и при слепой оценке анализировали результаты каждого исследования.

Основные оцениваемые показатели и методы: Последовательно оценивали 4 первичные конечные точки: качественно определяли размер и функцию левого желудочка, размер правого желудочка и наличие перикардиального выпота. Вторичные конечные точки включали ещё 6 клинических параметров, а также сравнение исследований, выполненных медицинскими сёстрами и специалистами по ультразвуковой диагностике.

Результаты: Исследование завершили 240 пациентов; средний возраст составил 61 год (SD, 16 лет), 139 (57,9%) были мужчинами, у 79 (32,9%) индекс массы тела превышал 30. Восемь медицинских сестёр обследовали по 30 пациентов с использованием алгоритма глубокого обучения. В 237 из 240 случаев (98,8%) качество исследований признали диагностическим для оценки размера и функции левого желудочка, а также наличия перикардиального выпота; для оценки размера правого желудочка этот показатель составил 222 из 240 случаев (92,5%). По большинству вторичных конечных точек исследования, выполненные медицинскими сёстрами и специалистами по ультразвуковой диагностике, статистически значимо не различались.

Выводы и значимость: Алгоритм глубокого обучения позволяет лицам без опыта ультразвукового исследования получать трансторакальные эхокардиографические исследования диагностического качества для оценки размера и функции левого желудочка, размера правого желудочка и наличия перикардиального выпота, не являющегося минимальным. Это расширяет возможности применения эхокардиографии в клинических условиях, где необходима немедленная оценка анатомии и функции сердца, а также в учреждениях с ограниченными ресурсами.