编辑推荐：
研究人员为评估 AI 引导超声诊断深静脉血栓（DVT）的效果，开展研究，发现该诊断可行且受 reviewer 影响，有健康经济学意义。
# 人工智能引导超声成像诊断深静脉血栓：开拓精准医疗新路径
在全球范围内，深静脉血栓（Deep Vein Thrombosis，DVT）犹如一颗 “健康炸弹”，时刻威胁着人们的生命健康。它不仅发病率较高，每年每 10 万人中就有 50 - 150 例发病，而且临床后果严重，从致命的肺栓塞到影响生活质量的血栓后综合征，无一不让患者苦不堪言。传统的 DVT 诊断主要依赖超声检查，尤其是静脉压迫即时超声（Point of care ultrasound，POCUS），虽然其准确性较高，但不同操作人员和解读人员的水平参差不齐，导致诊断的敏感性和特异性波动较大，约在 90% 左右，这就像在医疗诊断的道路上埋下了一颗颗 “不确定的雷”。
为了突破这一困境，来自纽约大学朗格尼健康中心（NYU Langone Health）、ThinkSono GmbH 等机构的研究人员开展了一项极具意义的研究。他们将目光聚焦于人工智能（Artificial intelligence，AI）与超声技术的融合，试图探索 AI 引导超声成像诊断 DVT 的真实效果、影响因素，以及能否为患者和医疗人员带来媲美甚至超越传统诊断标准的精准医疗体验。该研究成果发表在《npj Digital Medicine》杂志上，为 DVT 的诊断开辟了新的方向。
研究方法
研究人员从 11 家英国医院收集了数据，这些数据来自一项多中心、前瞻性、单臂、双盲的试点研究，共涉及 381 名疑似 DVT 患者。研究对象为 18 岁及以上、有 DVT 症状且符合相关标准的患者，排除了怀孕超过 12 周和有症状腿部曾确诊 DVT 的患者 。
研究中使用的 AI 引导系统（ThinkSono Guidance），由安装在智能手机上的软件应用和便携式超声设备组成。经过一小时培训的非专业人员即可使用，系统会引导他们进行两点压迫超声扫描（即股总静脉和腘静脉） 。
在数据分析方面，研究人员采用了多种方法。主要终点是评估 AI 引导系统在有合格临床医生审查时的敏感性，以及可避免的标准专家主导超声扫描的数量。次要终点包括特异性、阳性预测值（Positive Predictive Value，PPV）、阴性预测值（Negative Predictive Value，NPV）、诊断图像质量（采用美国急诊医师协会（American College of Emergency Physicians，ACEP）图像质量评分）、审查者之间的图像质量一致性和静脉可压缩性评估一致性 。数据分析使用了自助法（Bootstrapping method），并结合多数投票系统，还通过 Python v3.10.4 和 SciPy 库 v1.13.0 进行统计分析 。
研究结果
- 患者基本信息：参与研究的患者中近一半为女性，平均年龄 63 岁，平均 BMI 为 31，大多数患者的 Wells 评分处于中等水平，平均 D - dimer 水平为 2000 ng/mL FEU 。
- 图像质量评估：80%（n = 304）的扫描获得了 ACEP 图像质量评分≥3，表明这些扫描图像达到了足够的诊断质量。
- 不同审查者的诊断性能：放射科审查者的敏感性为 90% - 95%，特异性为 74% - 84%，NPV 为 98% - 99%，PPV 为 30% - 42%，可避免的专家主导超声扫描比例为 39% - 50%；急诊医学 POCUS 审查者（EM POCUS reviewers）的表现更优，除了可避免的超声扫描比例较低外，敏感性为 95% - 98%，特异性为 97% - 100%，NPV 为 99%，PPV 为 81% - 100% 。而且，EM POCUS 审查者之间对图像质量评估的一致性（0.59）远高于放射科审查者（0.15） 。
- 与其他研究对比：该研究结果与以往文献中关于压缩超声诊断 DVT 的性能范围相符，表明 AI 引导超声成像的性能处于预期的有效范围内 。
研究结论与讨论
这项研究表明，通过 AI 引导图像采集并结合临床医生审查来诊断下肢 DVT 是可行的。不同审查者的专业知识会影响诊断性能，EM POCUS 审查者由于对 POCUS 图像更熟悉，表现更为出色。从健康经济学角度来看，使用 AI 引导系统可避免 29% - 53% 的专家主导超声扫描，这意味着能节省大量医疗成本 。此外，该系统还有望提高医疗效率，增加医院收入，改善患者护理质量和预后。
不过，研究也存在一些局限性。例如，分析依赖的数据库存在局限性，回顾性分析可能引入偏差，且无法评估新手超声操作员与临床医生沟通对 AI 软件性能的影响 。后续研究需要进一步改进这些方面，以更全面地评估 AI 引导超声成像在 DVT 诊断中的价值。
总的来说，这项研究为 AI 在 DVT 诊断领域的应用提供了重要的数据支持和实践经验，尽管还有待完善，但已经为未来的研究和临床应用指明了方向，有望推动 DVT 诊断技术的革新，为全球众多 DVT 患者带来更高效、更精准的诊断服务。
