综述：应用人工智能于心磁共振成像以诊断撒哈拉以南非洲等低资源环境中的先天性心脏病

《Communications Medicine》：Applying artificial intelligence to cardiac MRI to diagnose congenital heart disease in low-resource settings such as Sub-Saharan Africa

　　本综述深入探讨了人工智能（AI）增强心脏磁共振成像（CMR）在改善撒哈拉以南非洲（SSA）先天性心脏病（CHD）诊断中的变革潜力。文章系统分析了当前CMR应用面临的重大挑战，包括基础设施不足、专业人才短缺及高昂成本，并提出了低场强MRI、公私合作伙伴关系（PPP）等切实可行的战略干预措施。作者强调，开发本地化AI解决方案、加强人员培训以及建立符合伦理的数据治理框架，对于在资源有限环境中实现CHD的早期诊断、提升临床结果和促进健康公平至关重要。

　　

撒哈拉以南非洲先天性心脏病的诊断困境

先天性心脏病（CHD）在撒哈拉以南非洲（SSA）构成了沉重的疾病负担。该地区医疗基础设施有限、诊断设施不足以及经济制约导致诊断延迟和护理不佳。尽管心脏磁共振成像（CMR）因其卓越的心脏解剖和功能评估能力在国际上被广泛认可，但在SSA却未能充分利用，主要原因包括基础设施不足、运营成本高、缺乏训练有素的专业人员以及维护要求高。据统计，SSA地区每年约有50万新生儿患有CHD，其出生患病率（463/百万）远高于美国（137/百万）。由于总体人口更年轻，SSA的CHD患病率较高，且诊断年龄普遍偏大，例如莫桑比克的平均诊断年龄为4岁，这严重影响了早期干预和预后。

CMR在CHD诊断中的核心价值与当前挑战

CMR是一种非侵入性成像方式，可提供心脏解剖、功能和组织特性的全面评估，尤其适用于复杂或非典型CHD病例。其关键优势在于无电离辐射，并能以任何方位获取图像。CMR的敏感性和特异性分别可达93-100%和87-100%，在某些方面优于超声心动图。它能够精确评估心腔容积、心室功能、血流动力学以及心肌组织特征（如纤维化），对于法洛四联症、右心室双出口、异位综合征等复杂CHD的手术规划和长期随访至关重要。

然而，CMR在SSA的应用面临巨大障碍。非洲平均每百万人拥有的MRI扫描仪数量极低（约1台），且分布极度不均，西非和东非地区短缺尤为严重。电力供应不稳定、互联网带宽有限经常导致设备停机和远程会诊困难。此外，CMR检查费用高昂，多数患者需自费支付，远超普通家庭月收入。设备维护也因缺乏本地技术支持、技术文档语言障碍以及零配件采购延迟而困难重重。专业人才严重短缺是另一大瓶颈，例如尼日利亚每56.6万人才有1名放射科医生，马拉维更是每440万人仅有1名。

人工智能赋能CMR的潜力与局限

人工智能（AI）有望通过缩短扫描时间、自动化图像处理和提升诊断准确性，彻底改变CMR在CHD诊断中的作用。AI驱动的自动化心脏图像规划能简化复杂的、依赖技能的成像过程。深度学习算法可以加速图像采集，减少运动伪影，这对儿科患者尤其有益，可能减少对麻醉的需求。研究表明，AI引导可实现扫描时间减少30%。在图像分析方面，AI可用于自动分割心腔（如左、右心室），其测量精度可与人类专家相媲美，且减少了观察者间的差异性。AI诊断模型在诊断肺动脉高压等疾病中甚至超越了心脏病专家。

尽管如此，AI在SSA的临床应用仍面临严峻挑战。最突出的问题是AI模型存在偏见，因为大多数医疗AI模型是在北美、欧洲或亚洲的数据集上训练的，非洲人群代表性严重不足。这导致“域偏移”，即算法在应用于低收入和中等收入国家（LMICs）数据时性能下降。SSA缺乏大型、标注完善的本地CMR影像数据集，限制了本地化AI模型的开发和验证。此外，AI集成需要先进的计算硬件和IT基础设施，成本高昂。数据隐私保护法规不健全、医疗法律责任归属不明晰、以及现有医疗信息系统互操作性差等问题，也阻碍了AI的大规模应用。

推动SSA地区CMR与AI发展的战略路径

为了在资源有限的环境中扩大CMR和AI的可及性，需要采取多方面的战略干预措施。

采用低场强MRI技术：低场强MRI（通常为0.25-1.0 T）虽然图像分辨率和信噪比（SNR）低于高场强系统，但其成本显著降低，对电力和基础设施要求更少，且更具便携性。研究表明，0.35 T系统使用平衡稳态自由进动（bSSFP）序列能够产生具有诊断价值的心脏图像。低场强MRI的引入使得在基层中心进行基本CMR评估（如心室功能、血流和CHD解剖）成为可能。

建立公私合作伙伴关系（PPP）：创新的融资模式，如PPP，可以帮助克服购置和运营CMR设备的预算障碍。尼日利亚的经验表明，政府与私人投资者合作可以弥补资金和基础设施缺口，使放射科能够通过PPP获得主要成像设备。

在三级中心设立专门的CHD CMR单元：在主要医院内创建专门的CHD CMR单元是一种实用策略。例如，埃塞俄比亚Ayder大学医院通过举办CMR研讨会，培训当地MRI技师和心脏病医生，迈出了扩大高级成像可及性的重要一步。印度南部的一个成功案例表明，利用现有的1.5 T MRI设备，由小儿心脏病专家和心脏放射科医生组成的小团队，通过调整成像协议，能够有效进行高质量的CHD CMR检查，显著影响临床决策。

加强本地能力建设与培训：针对放射科医生、技师和其他医疗专业人员的短缺，需要开展靶向培训计划。短期观察或进修项目、远程支持以及将AI和高级图像分析模块纳入放射学培训课程，对于培养本地专家至关重要。

开发符合伦理和本地背景的AI解决方案：必须制定区域性的、量身定制的监管框架，以解决数据主权、基于同意的数据共享、算法透明度和问责制等问题。借鉴非洲联盟的《非洲数字化转型战略（2020-2030）》和世界卫生组织（WHO）的《人工智能健康伦理与治理指南》原则，可以指导SSA各国制定适合本地的AI治理政策。

现有倡议与未来展望

目前已有一些倡议正在努力解决SSA在CMR和AI方面的挑战。例如，非洲MRI教育与研究促进联盟（CAMERA）推出了“Scan-With-Me”（SWiM）等计划，通过实践培训提升MRI技师的技能。肯尼亚政府与通用电气（GE）的合作使得MRI扫描仪更加实惠。RAD-AID的“友谊数据信托”通过捐赠现场服务器和PACS软件，帮助资源有限的医院运行AI应用。曼彻斯特大学的PROTEA项目则致力于开发适用于低资源环境的计算流体动力学（CFD）管道，用于CHD诊断。

未来，可持续地整合CMR和AI到CHD护理中至关重要。发展方向包括建立整合了CMR、先天性心脏外科、新生儿护理和专科护理的区域卫星中心，形成多学科管理模式。同时，需要加强本地数据集建设、进行经济性评估以量化AI赋能CMR的成本效益，并明确相关法规路径。

结论

综上所述，CMR为CHD的诊断和管理提供了无与伦比的详细解剖和功能信息，尤其是在超声心动图无法明确诊断的复杂病例中。人工智能（AI）通过显著缩短扫描时间、自动化复杂图像解读以及通过机器学习驱动分析提高诊断精度，进一步增强了这一能力。通过降低对专业人员和基础设施的依赖，AI集成的CMR有助于解决撒哈拉以南非洲训练有素的放射科医生和影像专家短缺的问题，使 underserved 社区能够获得先进的心脏护理。

然而，要充分实现AI驱动CMR的变革潜力，必须克服SSA普遍存在的基础设施、技术和经济障碍。对低场强MRI技术的战略投资、解决技能短缺的针对性培训计划以及管理AI在医疗中使用的伦理框架都至关重要。公私合作伙伴关系（PPP）和本地化AI解决方案等协作方法，对于扩大可持续可及性尤其具有前景。通过利用创新技术并结合针对具体背景的解决方案，AI增强的CMR可以显著减轻SSA的CHD临床负担，通过及时诊断、明智干预和改善区域医疗供给来提升患者结局。