耶鲁大学心血管医学部门的研究人员发现了一种新的基于人工智能 (AI) 的视频生物标志物，能够识别那些可能患有主动脉瓣狭窄并迅速恶化的人。2024 年 4 月 6 日发表在《JAMA Cardiology》杂志上的一篇新论文“主动脉瓣狭窄发展和进展的基于多模态视频的 AI 生物标记”中重点介绍了这项研究。

在美国，有超过 150 万人患有主动脉瓣狭窄，这是连接心脏主腔与身体其他部位的瓣膜变窄，导致心脏承受压力，将血液推向身体。随着主动脉瓣狭窄的进展，它会导致心脏压力增加和身体供氧减少，导致胸痛、呼吸困难、头晕和日常活动能力下降。最终，严重的主动脉瓣狭窄会导致心力衰竭和过早死亡。

虽然手术或经导管主动脉瓣置换术等相对较新的手术可以有效地改变主动脉瓣狭窄的预后，但开发更精确的算法以更好地定义每个人的主动脉瓣狭窄如何进展的需求尚未得到满足。

“到目前为止，我们还没有办法知道谁患有主动脉瓣狭窄或谁病情恶化。主动脉瓣狭窄的进展尚无公认的临床生物标志物，迄今为止，大多数研究都集中在瓣膜患病后的修复上，”临床研究员(心血管医学)、第一作者Evangelos K. Oikonomou 医学博士、哲学博士说道研究的。 “这是基础研究，我们相信它将促进新疗法的进一步研究，以解决主动脉瓣狭窄的进展，并最终有助于防止不良后果。”

研究人员建立了一个深度学习模型来检测瓣膜特征，这些瓣膜特征在使用心脏超声捕获的心脏视频中表明主动脉瓣狭窄。研究人员发现了一个特征，即数字 AS 严重程度指数 (DASSi)，它可以预测哪些患者将发展为严重的主动脉瓣狭窄。

“这项研究最令人兴奋的方面之一是，DASSi 可以使用同一模型转换心脏 MRI、床边心电图和心脏超声，”该论文的资深作者、医学博士、理学硕士、助理教授Rohan Khera 说道。医学(心血管医学)和心血管数据科学(CarDS)实验室主任。 “这至关重要，因为它表明 DASSi 标记了独特的心肌和瓣膜表型特征，并且不限于特定模式的特征或仅限于某些选定的人群。”

他们的模型识别出的特征并不是图像的各个方面，即使是专家读者在观看视频时也无法想象，这凸显了人工智能在检测隐藏的疾病特征方面的作用。与以前的方法不同，获取此信息所需的视图不需要太多专业知识即可获得。

Eric J. Velazquez表示：“我对我们在耶鲁大学所做的所有工作感到无比自豪，这些工作不仅为主动脉瓣狭窄患者提供最好、侵入性最小的护理，而且还继续更多地了解这种疾病的进展情况。”医学博士、罗伯特·W·柏林医学教授、耶鲁大学心血管医学系主任、该研究的合著者。 “这项研究表明，创造性地使用人工智能可以帮助我们更好地了解常见的心脏病，并最终帮助我们找到阻止疾病进展的新方法，从而减少患严重主动脉瓣狭窄的患者。”

该研究的结果还支持使用 DASSi 通过心电图对主动脉瓣狭窄进行机会性筛查。

“我相信，每次临床医生看到心脏时，都是筛查患者和诊断结构性心脏病的机会，”Khera 说。 “这项研究表明，使用心脏超声和心脏 MRI 可以诊断主动脉瓣狭窄并预测主动脉瓣狭窄的风险。这可能会改变实践。”

Khera、Oikonomou 和 CarDS 实验室的其他同事正计划启动一项多随机临床试验，其目标有两个：确认人工智能在基于视频的主动脉瓣狭窄诊断中的作用，以及识别患有轻度或中度主动脉瓣狭窄的患者，他们可能会发展为严重主动脉瓣狭窄。

“这是我们的下一个前沿，”凯拉说。 “我们不想仅仅停留在构建工具上。我们想看看这些工具和发现是否可以改变实践并帮助心脏病专家更好地识别每个患者的潜在危险因素。”

Oikonomou 最近在 2024 年美国心脏病学会科学会议上展示了该研究结果。