مقایسه HeartModelAI و تصویربرداری تشدید مغناطیسی قلب (CMR) برای ارزیابی حجم و عملکرد بطن چپ در بیماران مبتلا به کاردیومیوپاتی اتساعی
اندازه‌گیری دقیق حجم‌ها و کسر تخلیه‌ای (EF) بطن چپ (LV) برای تشخیص و پیش‌بینی نتایج قلبی بسیار حیاتی است. اگرچه تصویربرداری تشدید مغناطیسی قلب (CMR) به عنوان استاندارد طلایی برای این ارزیابی در نظر گرفته می‌شود، استفاده از آن به دلیل چالش‌های دسترسی، هزینه بالا، و موارد منع مصرف در برخی بیماران محدود است.
اکوکاردیوگرافی ترانس‌توراسیک روش اصلی برای ارزیابی LV است. اکوکاردیوگرافی دوبعدی بر فرمول سیمپسون دو صفحه‌ای متکی است که دارای فرضیات هندسی و محدودیت‌هایی در کوتاه‌شدگی است. در مقابل، اکوکاردیوگرافی سه‌بعدی ارزیابی مستقیم را بدون نیاز به فرضیات در مورد توزیع ضخیم شدن دیواره و ساختارهای آناتومیکی ارائه می‌دهد و از دقت و قابلیت اطمینان بیشتری برخوردار است. با این حال، به دلیل نیاز به تخصص بالا و فرآیند زمان‌بر برای دریافت تصاویر سه‌بعدی با کیفیت مناسب، استفاده از آن به طور گسترده پیاده‌سازی نشده است.
HeartModelAI (HM) یک الگوریتم هوش مصنوعی است که با استفاده از تحلیل تطبیقی، مرزهای قلب را به طور خودکار در تصاویر اکوکاردیوگرافی سه‌بعدی تشخیص می‌دهد و اندازه‌گیری سریع و دقیقی از حفره‌های قلب ارائه می‌دهد. معرفی HM کار دشوار تعیین مرزها در اکوکاردیوگرافی سه‌بعدی را ساده‌تر کرده و ارزیابی تشخیصی بهتری از قلب ارائه می‌دهد. اگرچه اندازه‌گیری‌های HM همبستگی امیدوارکننده‌ای با CMR و حداقل تغییرات بین مشاهده‌گران نشان داده است، گاهی نیاز به تصحیح دستی مرزها، به‌ویژه در تشخیص مرزهای اندوکاردیال وجود دارد..
HM از یک پایگاه داده شامل نمونه‌های متنوع جمعیتی به عنوان نمونه آموزشی استفاده می‌کند. با این حال، گزارش‌هایی نشان داده‌اند که کسر تخلیه‌ای پایین می‌تواند توانایی HM را در تشخیص صحیح مرزهای قلب تحت تأثیر قرار دهد. از آنجایی که بیماران مبتلا به کاردیومیوپاتی اتساعی (DCM) دارای کسر تخلیه‌ای پایین و حجم‌های بطن چپ بزرگ‌شده هستند، اطمینان از دقت تشخیصی HM تأثیر قابل توجهی بر مراقبت بالینی آن‌ها خواهد داشت. تعیین دقت تشخیص و هم‌خوانی HM با CMR می‌تواند منجر به اندازه‌گیری‌های قابل اعتماد و کاهش تغییرات بین مشاهده‌گران شود.
بنابراین، محبوبه شیخ و همکاران مطالعه‌ای با هدف ارزیابی هم‌خوانی اکوکاردیوگرافی سه‌بعدی ترانس‌توراسیک کاملاً خودکار (HeartModelAI) با و بدون ویرایش دستی در مقایسه با تصویربرداری CMR در بیماران مبتلا به DCM انجام دادند. علاوه بر این، در این مطالعه قابلیت اطمینان و تکرارپذیری این روش‌ها نیز ارزیابی شد.
در این مطالعه مقطعی، 30 بیمار مبتلا به کاردیومیوپاتی اتساعی که به مرکز قلب تهران مراجعه کرده بودند و در طی 24 ساعت تحت تصویربرداری CMR و اکوکاردیوگرافی سه‌بعدی ترانس‌توراسیک جامع قرار گرفته بودند، وارد مطالعه شدند. تمامی تحلیل‌های حجمی سه‌بعدی با استفاده از نرم‌افزار (HeartModelAI) و تصاویر سه‌بعدی از نماهای 2، 3 و 4 حفره‌ای در انتهای سیستول و دیاستول انجام شد.
نتایج این مطالعه که در مجله‌ی BMC Cardiovascular Disorders در سال 2024 به چاپ رسید نشان داد که ضرایب همبستگی بین Excellent-Inter و Intra-observer برای نرم‌افزار HeartModelAI در تمام شاخص‌ها بسیار عالی گزارش شد. HeartModelAI همبستگی قابل توجهی با تصویربرداری تشدید مغناطیسی قلبی برای شاخص حجم انتهای سیستولیک بطن چپ نشان داد. با این حال، این نرم‌افزار حجم انتهای سیستولیک بطن چپ و حجم انتهای دیاستولیک بطن چپ را کمتر از مقدار واقعی برآورد کرد. در مقابل، کسر تخلیه‌ای، حجم ضربه‌ای (Stroke Volume) بیش‌برآورد شدند. مشخص شد که اصلاح دستی مرزها می‌تواند دقت تخمین‌های مدل خودکار را به‌ویژه در مورد EF در شرکت‌کنندگانی که به اصلاح نیاز دارند، بهبود بخشد.
نرم‌افزار HeartModelAI به عنوان یک روش تصویربرداری سریع و کارآمد برای ارزیابی ساختار و عملکرد بطن چپ ظاهر شده است. در این مطالعه، حجم‌های بطن چپ ارزیابی‌شده توسط HeartModelAI همبستگی قوی‌ای با تصویربرداری تشدید مغناطیسی قلبی نشان دادند.
ارسال نظر