耶鲁大学研究人员发现的基于人工智能的主动脉瓣狭窄生物标志物

耶鲁大学心血管医学科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，能够识别那些可能发展并迅速恶化的主动脉瓣狭窄的人。这项研究在2024年4月6日发表在 《美国医学会心脏病学杂志》（JAMA Cardiology ）上的一篇新论文《A Multimodality Video-Based AI Biomarker For Ahortic Stenosis Development And Progression》中得到了强调。

美国有超过 150 万人患有主动脉瓣狭窄，主动脉瓣狭窄是连接心脏主腔室和身体其他部位的瓣膜变窄，导致心脏受到压力，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、头晕目眩和日常活动能力下降。最终，严重的主动脉瓣狭窄可导致心力衰竭和过早死亡。

虽然相对较新的手术或经导管主动脉瓣置换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的进展情况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上了主动脉瓣狭窄或谁变得更糟。主动脉瓣狭窄的进展没有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修复瓣膜，“Evangelos K. Oikonomou，医学博士，博士，临床研究员（心血管医学），该研究的第一作者。“这是一项基础研究，我们相信这将有助于进一步研究新疗法，以解决主动脉瓣狭窄的进展，并最终有助于防止不良结果。

研究人员建立了一个深度学习模型来检测使用心脏超声捕获的心脏视频中提示主动脉瓣狭窄的瓣膜特征。研究人员确定了一个特征，即数字AS严重程度指数（DASSi），该指数可以预测哪些患者将进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可以使用相同的模型转换心脏MRI，床旁心电图和心脏超声，”该论文的资深作者，医学博士，理学硕士，医学助理教授Rohan Khera说（心血管医学）和 心血管数据科学（CarDS）实验室主任。“这是至关重要的，因为它表明DASSi标记了独特的心肌和瓣膜表型特征，并且不限于模态特异性特征或局限于某些选定的人群。

他们的模型所识别的特征并不是图像的方面，即使是专业读者也可以通过观看视频来可视化，这突出了人工智能在检测疾病隐藏特征方面的作用。与以前的方法不同，获取此信息所需的视图不需要太多的专业知识即可获得。

“我为我们在耶鲁大学所做的所有工作感到无比自豪，不仅为主动脉瓣狭窄患者提供最好和微创的护理，而且还继续更多地了解疾病的进展，”医学博士Eric J. Velazquez说，Robert W. Berliner医学教授，耶鲁大学心血管医学主任，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，并最终帮助我们确定阻止疾病进展的新方法，从而减少患上严重主动脉瓣狭窄的患者。

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

“我相信，每当临床医生看到心脏时，这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 AI 在基于视频的主动脉瓣狭窄诊断中的作用，并识别可能进展为重度主动脉瓣狭窄的轻度或中度主动脉瓣狭窄患者。

“这是我们的下一个前沿，”Khera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风险因素。

Oikonomou 最近在 2024 年美国心脏病学会的科学会议上展示了研究结果。

耶鲁大学参与这项研究的其他研究人员包括格雷戈里·霍尔斯特（Gregory Holste）;安德烈亚斯·科皮（Andreas Coppi）博士;Robert L. McNamara，医学博士，MHS;诺里萨·海恩斯（Norrisa Haynes），医学博士;Amit N. Vora，医学博士，公共卫生硕士;李凡，博士;托马斯·吉尔，医学博士;和 Harlan M. Krumholz，医学博士，SM。