AI可以指导肺部超声检查?
作者：微信文章肺超声（LUS）因其便携性、低成本和无辐射暴露而越来越多地用于诊断和监测呼吸急促。它提供实时肺部评估，在检测肺炎、气胸、胸腔积液和肺水肿等疾病方面比胸部X光检查更准确。LUS在急诊科、重症监护室和门诊环境中特别有用，但需要实践培训和技术技能。
人工智能（AI），特别是深度学习，在改善超声图像采集和解释方面显示出了希望，类似于其在心脏超声中的应用。虽然目前的人工智能研究主要集中在专家用户身上，但需要人工智能工具来帮助非专家用户获得诊断质量的LUS图像。
一项新的研究评估了人工智能引导训练有素的医疗保健专业人员（THCP）的能力，与专家用户相比，他们在获取高质量图像方面的LUS经验有限。在这项研究中，从四个临床地点招募了21岁及以上患有呼吸急促的参与者。每位参与者都接受了两次LUS检查：一次由THCP使用AI指导进行，另一次由没有AI的LUS专家进行。THCP，包括医疗助理、呼吸治疗师和护士，在研究前接受了LUS图像采集的标准化AI培训。
Lung Guidance AI软件利用深度学习算法来指导LUS图像的采集并注释B线。它遵循8区LUS协议，并自动捕获诊断质量的图像。
该研究的主要终点是THCP获得的LUS检查被视为诊断质量的比例，由五名蒙面专家LUS读者组成的小组确定，他们进行了远程审查和实地验证。
意向治疗分析包括176名参与者（46.0%为女性，平均年龄63岁，平均体重指数31）。总体而言，98.3%的THCP获得的LUS研究具有诊断质量，与LUS专家获得的研究相比没有统计学上的显著差异。
在人工智能指导软件的帮助下，THCP组98.3%的时间获得了高质量的LUS研究，超过了临床评估的80%基准。这表明，具有不同经验水平的LUS用户可以在人工智能的帮助下生成诊断质量的图像，这在不同的患者人口统计数据和BMI中是一致的。人工智能指导并没有降低接受过超声波培训的医生的表现。尽管人工智能辅助LUS的中位采集时间（15分钟）比之前研究中报告的时间（6-8分钟）长，但在资源有限的情况下，这种差异可能不那么显著。
THCP小组在8个区域中的7个区域获得了与专家组相当的高质量图像，比传统上难以成像的区域6的专家表现更好。该研究强调，人工智能可以增强可视化并改善肺部检查，特别是对于舌型肺炎等疾病。虽然目前关于人工智能在LUS中的大部分文献都集中在伪影识别上，但本研究强调了人工智能在图像采集指导中的作用，解决了LUS实践中的一个关键挑战。
与更复杂的机器人系统不同，人工智能辅助的图像捕获可以在现有的超声波机器上实现，在人工监督下提供了一种经济高效、更快的解决方案。这种人工智能解决方案可以通过使各级医疗保健专业人员能够进行LUS检查，显著提高诊断准确性和患者护理。
总之，使用人工智能引导的THCP在经过短暂训练后，在获取诊断质量图像方面取得了与专家LUS用户相当的性能。这项技术可以将诊断能力扩展到服务不足、专家人员有限的地区。未来的研究应侧重于集成用于图像引导和自动捕获的AI算法，以及检测B线、胸腔积液、合并和胸膜线异常的先进功能。在临床实践环境中验证这些集成的指导和解释算法对于评估其在现实世界中的有效性和可用性至关重要。
Baloescu C, Bailitz J, Cheema B et al. (2025) Artificial Intelligence–Guided Lung Ultrasound by Nonexperts. JAMA Cardiol.
页:
[1]