使用和不使用人工智能工具来确定心脏功能

《Emergency Medicine News》：Determining Cardiac Function With and Without an AI Tool

　　AI辅助超声心动功能评估显著提升学员信心与操作效率，研究显示实时EF工具使学员信心评分从3.57增至3.94（P<0.0001），82.1%学员认为其有用，AI评估与学员定性判断高度一致（84.3%）。该工具通过标准化量化指标降低技术门槛，对急诊科超声普及及医疗教育具有重要实践价值。

　　

将人工智能（AI）整合到床旁超声（POCUS）中正在迅速改变急诊医学（EM）的格局。在最近的美国急诊医师学会（ACEP）科学大会上，我有机会介绍了我们团队关于AI辅助心脏功能评估影响的研究，特别是Real-Time EF工具对高流量急诊科（ED）中实习医生信心和工作流程的影响。

图1：

GE Venue超声平台上的实时EF功能。

背景：POCUS的演变角色与AI的前景

POCUS已成为急诊医生诊断工具箱中不可或缺的一部分，尤其是在快速评估无法区分的休克情况时。^1-3 其中最关键的应用之一是心脏功能评估，及时识别心源性休克可以显著影响患者预后。^3-5

人工智能和机器学习的最新进展促使开发出标准化和简化心脏评估的工具。GE Venue超声平台上的Real-Time EF功能利用机器学习算法，从心尖四腔（A4CH）视图自动估算左心室射血分数（LVEF）（见图1）。该工具能够快速提供彩色编码的图像质量评估，并在几秒钟内得出LVEF估算值，无需心电图门控或手动追踪。^6,7

研究目的：评估AI对实习医生表现的影响

虽然以往的研究主要集中在经验丰富的超声技师身上，或由行业赞助，但我们的研究旨在填补文献中的空白：AI辅助的心脏功能评估如何影响那些仍在培养POCUS技能的医学生和住院医师？^8-10

我们的主要目的是比较实习医生在使用Real-Time EF工具前后对LVEF评估的信心。次要目标包括评估该工具的实用性和有效性，以及实习医生与AI生成LVEF估算值之间的一致性。

方法：在繁忙的城市急诊科进行实际评估

我们在一个高流量的城市急诊科进行了为期10个月的横断面研究。20名实习医生参与了研究，他们包括处于不同培训阶段的医学生和住院医师。每位参与者通过研讨会或在线模块接受了基本的POCUS原理培训。

对于每位出现心肺症状的符合条件的患者，实习医生都会进行标准的心脏POCUS检查，获取胸骨旁长轴、胸骨旁短轴、心尖四腔和肋下视图。最初，实习医生会对LVEF进行定性评估（分为不确定、高动力、正常、降低或严重降低），并在五点李克特量表上评分。然后他们使用Real-Time EF工具获取AI生成的LVEF估算值，并再次评分。记录获取A4CH视图和AI估算值所需的时间，并询问实习医生是否认为该工具对他们的评估有帮助。

结果：AI显著提升实习医生的信心，并被广泛认为具有实用性

在研究期间，共进行了56次POCUS心脏检查。大多数实习医生是第一年住院医师（64.3%）和医学生（30.4%），少数是更资深的住院医师。

结果显示，使用Real-Time EF工具后，实习医生的信心显著提高。使用AI工具前的平均信心得分为3.41（标准差0.83），使用AI工具后提高至4.14（标准差0.96）（P < .0001）（表1）。这种改善在所有经验水平的实习医生中都有体现，尤其是新手用户从额外的支持中受益最大。

表1 - 使用Real-Time EF工具前后的平均信心水平

Real-time EF工具使用情况	平均（标准差）信心水平
使用前-	3.57 (0.81)
使用后-	3.94 (1.06)

缩写：EF，射血分数；SD，标准差。

在实用性方面，82.1%的实习医生表示Real-Time EF工具对他们的评估有帮助。实习医生的定性评估与AI生成的LVEF估算值之间的一致性很高，84.3%的案例达成一致。虽然新手用户获取所需心脏视图所需的时间更长（平均27.98秒），而熟练用户仅需11.25秒），但该工具对所有参与者来说都是可用且实用的。

讨论：AI辅助POCUS对实习医生和急诊医学实践的影响

我们的研究表明，像Real-Time EF这样的AI辅助工具显著提高了实习医生在心脏功能评估方面的信心，大多数用户认为该工具很有帮助，且实习医生与AI生成的LVEF估算值之间的一致性很高。虽然我们的主要关注点是信心而非诊断准确性，但这些发现表明AI可以在急诊科帮助新手用户提高POCUS技能。

除了直接的教育效益外，将AI整合到POCUS中还有潜力重塑急诊医学实践。对于实习医生来说，信心的提升可能会使他们更频繁、更有意义地使用超声检查，加快学习进度，并鼓励他们更早、更独立地做出临床决策。由于AI工具提供实时、客观的反馈，实习医生可能会更有信心将POCUS纳入常规患者护理中，从而可能更早发现危急情况并改善预后。

对于在职医生而言，AI有望提高心脏评估的一致性和效率，减少观察者之间的差异，并支持所有经验水平的临床医生。随着这些工具变得更加完善和易于使用，我们可能会看到超声专业知识的普及，更多医疗人员能够可靠地进行和解释心脏POCUS检查。

展望未来，其影响不仅限于增加超声检查的使用。随着AI继续降低高质量图像获取和解释的障碍，预计更多医疗专业人员将能够参与床旁超声检查，进一步扩大其在急诊科的应用范围和实用性。这可能会导致工作流程更加简化，团队协作更加紧密，最终提高患者护理质量。

总之，我们的发现不仅强调了AI辅助POCUS对实习医生的教育价值，还表明它有可能推动急诊医学领域的更广泛变革。随着技术的发展，AI有望使快速、可靠的心脏评估成为急诊护理的标准部分，重新定义各方的角色，扩大服务范围，并提高所有患者的护理质量。

伦理声明和披露

本研究已获得AHN机构审查委员会的批准，并符合所有伦理指南。所有研究参与者均签署了同意书。我们的作者没有其他利益冲突。