基于人工智能的自动肺部超声评分对ARDS患者血管外肺水评估的价值

摘要：

目的 评价基于人工智能(artificial intelligence,AI)的自动肺部超声评分(lung ultrasound score,LUS)对急性呼吸窘迫综合征(ARDS)患者血管外肺水(extravascular hung water,EVLW)评估的价值.方法 选择2019年1月至2022年6月上海长征医院急诊重症监护病房(EICU)符合ARDS诊断标准的28例患者作为研究对象,采用两种肺部超声评分方法:①基于两阶段级联深度学习模型评估ARDS的自动LUS(自动组LUS);②临床医生评估的LUS(人工组LUS),并采用脉波指示剂连续心排血量监测技术(PiCCO)监测血管外肺水指数(EVLWI),年龄18～80岁,性别不限,在行PiCCO检测前0.5 h内行肺部超声检査,计算LUS,并行动脉血气分析,记录氧合指数(PaO2/FiO2),比较两种LUS方法在不同严重程度ARDS患者诊断中的作用.结果 自动组LUS和人工组LUS与EVLWI高度相关(R2=0.924 vs.R2=0.910),在评估EVLW方面均显示出较高的准确性,LUS的受试者工作特征(ROC)曲线分析以PiCCO计算所得:①以EVLWI>7 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线下面积(AUC)分别为0.956和0.947,两组方法的敏感度分别为90.8％和87.0％,特异度分别为94.3％和92.5％.②以EVLWI≥10 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线AUC分别为0.979和0.978,两组方法的敏感度分别为92.2％和89.1％,特异度分别为97.9％和96.7％.③以EVLWI≥15 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线AUC分别为0.997和0.996,两组方法的敏感度分别为94.5％和93.0％,特异度分别为98.8％和97.8％.结论 人工智能自动LUS可用于临床ARDS的诊断及严重程度的评估.

关键词：人工智能(AI)、自动、肺部超声评分(LUS)、B线、血管外肺水指数(EVLWI)、脉波指示剂连续心排血量监测技术(PiCCO)、急性呼吸窘迫综合征(ARDS)

所属期刊栏目：43

分类号：R563.8;R473.6;R631+.4

资助基金：上海市科技创新行动计划医学创新研究专项项目21Y11902500

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29