《Magnetic Resonance Imaging Clinics of North America》：Artificial Intelligence Applications in Cardiac MR Imaging
編輯推薦：
AI技術正在革新心臟MRI流程，涵蓋自動化數據采集、后處理及報告生成，提升效率與一致性。其通過多模態數據整合支持精準分型與風險評估，但臨床驗證和專家監督仍是關鍵挑戰。
Geraldine Villasana Gomez | Cameron Denley | Panagiota Christia
紐約大學朗格尼醫學院放射科，美國紐約州紐約市第一大道660號4樓，郵編10016
部分內容摘錄
要點
- •
人工智能通過自動化平面選擇、加速重建、減少偽影、標準化質量、縮短掃描時間以及最小化操作者導致的差異性，正在改變心臟MRI的采集方式。
- •
利用深度學習進行自動化后處理，可以實現快速、可重復的心室容積分割和量化、瘢痕負荷分析、參數映射以及4D血流分析，從而提高工作效率和縱向一致性。
- •
基于人工智能的疾病檢測和分類模型
圖像采集與重建中的人工智能
盡管心臟MR成像在現代心血管診斷中至關重要，但由于圖像采集需要專業知識，其應用仍主要局限于三級醫療機構。MR成像技術人員必須精通心臟平面的規劃以及調整每個序列的參數。他們還需要與患者密切互動——提供呼吸指導并調整機器設置，以減少與呼吸和心臟門控相關的偽影。
自動化后處理與量化中的人工智能
后處理一直是CMR中最耗時的環節之一。手動輪廓繪制和測量會引入誤差并延遲臨床工作流程。人工智能，特別是深度卷積神經網絡（CNN），徹底改變了這一領域，能夠產生不受操作者技術水平影響的一致性結果。基于U-Net的模型在大型多中心數據庫（如英國生物銀行）上進行訓練后，已實現左心室心外膜等結構的Dice系數超過0.9結構化報告與工作流程整合中的人工智能
結構化報告將圖像分析與臨床溝通聯系起來�；谌斯ぶ悄艿钠脚_可以自動填充標準化模板（如心血管磁共振學會（SCMR）和北美放射學會（RSNA）制定的CMR報告格式），并填充關鍵測量數據（如左心室/右心室容積、瘢痕負荷、應變值等）。與PACS/RIS和電子健康記錄（EHR）的集成實現了數據的即時傳輸、不同閱片者之間的結果一致性以及錯誤率的降低。自然語言處理技術也在此過程中發揮了重要作用
疾病檢測與分類中的人工智能
人工智能正成為檢測和分類心臟疾病的強大工具，有時甚至可以在放射科醫生解讀之前完成這些任務。通過利用先進的模式識別技術，人工智能可以直接從原始影像數據中識別心臟病變。現代AI模型能夠在無需立即進行后處理的情況下分析電影序列和LGE序列，從而簡化工作流程并提高診斷效率。《自然醫學》（Nature Medicine）上的一項最新研究展示了人工智能在CMR中的應用潛力
新興領域
CMR領域中人工智能的下一個前沿方向是多模態數據的無縫整合。通過將傳統的CMR序列（如電影成像、LGE、T1和T2映射以及4D血流）與多模態成像（包括超聲心動圖、CT和PET）以及臨床變量（如人口統計學信息、實驗室結果、基因組數據和可穿戴生理數據）相結合，人工智能能夠更深入地理解心臟病理。這種整合有助于更精細的表型分析和風險分層。挑戰、局限性與未來發展方向
人工智能在CMR領域的應用有望徹底改變成像、分析和臨床決策過程。預計人工智能將實現工作流程的全面自動化，實現實時圖像采集、重建、分割以及心室容積、射血分數和心肌質量的量化，從而最小化操作者的差異性。組織特征分析也將受益于人工智能驅動的參數映射分析，有助于早期診斷和精確的疾病表型分析。
臨床注意事項
- •
人工智能輔助的CMR可以提高效率和工作流程的可重復性，但專家的監督對于確保臨床準確性仍然至關重要。
- •
人工智能可以縮短CMR檢查時間，改善患者體驗，并減少與呼吸運動和心率變化相關的偽影，從而提高整體圖像質量。
- •
人工智能算法有助于心力衰竭和浸潤性心肌病的鑒別診斷，包括淀粉樣變性。
關于寫作過程中使用的人工智能及輔助技術聲明
在撰寫本文的過程中，作者使用了ChatGPT來協助制作主要插圖。使用該工具后，作者對所有內容進行了必要的審查和編輯，并對出版物的內容負全責。利益披露
作者聲明與本工作“無相關利益披露”且“無利益沖突”。
