摘要：作者单位：310009 杭州，浙江大学医学院附属第二医院心内科，经血管植入器械全国重点实验室; 310009 杭州，浙江省全省心脏功能重建重点实验室;310053 杭州市滨江区浙医二院经 血管植入器械研究院

中国心血管杂志

2025

本刊为北大《中文核心期刊要目总览》2023年版入编期刊、科技期刊世界影响力指数（WJCI）报告2024收录期刊、中国科技核心期刊、武大（RCCSE）核心期刊，欢迎来稿！

photo by tare

人工智能赋能心血管疾病影像学评估

Artificial intelligence enhances imaging assessment in cardiovascular diseases

王建安

作者单位：310009 杭州，浙江大学医学院附属第二医院心内科，经血管植入器械全国重点实验室; 310009 杭州，浙江省全省心脏功能重建重点实验室;310053 杭州市滨江区浙医二院经 血管植入器械研究院

通信作者：王建安，电子信箱：wangjianan111@zju.edu.cn

引用本文：

王建安. 人工智能赋能心血管疾病影像学评估[J]. 中国心血管杂志，2025, 30(2): 121-122. DOI: 10.3969/j.issn.1007-5410.2025.02.001.

心脏超声因其便携性高、成本低、时间分辨率高等特性，被广泛应用于临床诊疗。 近年来，左心室应变分析、斑点追踪成像技术等方法拓宽了心脏超声的应用范围，但仍然存在一定局限性，特别是受操作者经验的影响较大，图像获取与分析存在一定主观性。本期心血管影像学评估专题相关研究中，均表明心脏超声在功能评估方面具有良好的临床价值。 然而，这些研究仍依赖于影像质量和人工测量，易受操作者技术和个体变异的影响，导致结果的可重复性和一致性存在一定限制。

近年来，AI 的引入正在改变传统心脏超声分析模式。 Nature 上发表相关研究表明，基于深度学习的 AI 模型可自动提取超声图像中的多个关键参数，并识别低质量图像，从而提高测量的准确性和一致性[7-8]。 在左心室射血分数计算、心肌应变分析等方面，目前 AI 模型的性能已接近甚至超越人工判读[8-10]。 此外，AI可用于超声图像质量控制，自动筛选出噪声较大或获取角度不佳的图像，从而减少人为误差，提高其临床应用的可靠性。目前，在心力衰竭和心脏瓣膜疾病等多个领域，AI 均被开发用以自动化测量和评估，在可重复性和速度方面优势明显[9]。这一进展使得心脏超声有望在未来实现更广泛的自动化应用，特别是在基层医疗和远程影像诊断领域。

心脏磁共振成像( cardiac magnetic resonance，CMR)因其高组织分辨率、无电离辐射，在 CVD 精准诊断中发挥重要作用。本期心血管影像学评估专题相关研究中，均进一步证实CMR在多种CVD中的临床价值。然而，CMR 在临床实践中的推广仍然面临挑战，主要包括成本高、检查时间长、对设备及操作人员要求较高，且结果分析需要专业医师的解读等。AI 技术的引入显著推动了 CMR 在成像速度和多参数分析方面的进步。传统 CMR 检查通常需要较长的扫描时间，限制了其在急性期患者中的应用。各设备生产厂家使用基于卷积神经网络技术进行图像的重建去噪，从而可在更短时间里实现更高质量图像的采集[9]。目前，所有图像后处理软件均已引用该技术以实现多种序列上心脏腔室结构的自动分割，使图像分析过程得到大大简化。这些技术在保证图像质量的前提下，显著缩短扫描时间，使高分辨率 CMR 检查在数分钟内得以完成[11]。此外，基于深度学习的 CMR 新技术允许患者在不屏气情况下进行图像采集，这不仅大大提升患者耐受性，还进一步提高其在临床环境中的可行性[12]。

随着 AI 在 CVD 影像学评估中的逐渐使用，将有助于简化传统的影像采集和分析流程，有望实现更精准、更具重复性的测量。 然而，目前基于 AI 的心脏影像学应用多限于科研领域，仍缺乏大规模临床研究的支持，希望在未来可看到更多来自我国的创新性研究。

参考文献

[1] 马佳琪, 刘轩昌, 金冬霞, 等. 基于二维斑点追踪超声心动图测定的左心房功能与HFpEF-ABA评分在高血压患者中的相关性研究[J]. 中国心血管杂志, 2025, 30(2): 123-130. DOI: 10.3969/j.issn.1007-5410.2025.02.002.

[2] 韩孟晓, 李政, 陈怡帆, 等. 血流动力学技术无创评价不同剂量蒽环类药物化疗患者左心室亚临床变化[J].中国心血管杂志, 2025, 30(2): 131-137.DOI: 10.3969/j.issn.1007-5410.2025.02.003.

[3] 周钰程, 方岩, 曹丰. 心血管损伤的分子影像研究进展[J]. 中国心血管杂志, 2025, 30(2): 138-142. DOI: 10.3969/j.issn.1007-5410.2025.02.004.

[4] 冷玉杰, 于雪. 冠状动脉磁共振成像的临床应用及研究进展[J]. 中国心血管杂志, 2025, 30(2): 143-147. DOI: 10.3969/j.issn.1007-5410.2025.02.005.

[5] 孔伶, 阮磊, 张存泰. 血管衰老的影像学评估[J]. 中国心血管杂志, 2025, 30(2): 148-151. DOI: 10.3969/j.issn.1007-5410.2025.02.006.

[6] 邓润薇, 徐江江, 王贵嘉, 等. 右心衰竭的影像学评估研究进展[J].中国心血管杂志, 2025, 30(2): 152-157. DOI: 10.3969/j.issn.1007-5410.2025.02.007.

[7] Ouyang D, He B, Ghorbani A, et al. Video-based AI for beat-to-beat assessment of cardiac function[J].Nature, 2020, 580(7802): 252-256.DOI: 10.1038/s41586-020-2145-8.

[8] He B, Kwan AC, Cho JH, et al. Blinded, randomized trial of sonographer versus AI cardiac function assessment[J]. Nature, 2023, 616(7957): 520-524. DOI: 10.1038/s41586-023-05947-3.

[9] Elias P, Jain SS, Poterucha T, et al. Artificial Intelligence for Cardiovascular Care-Part 1: Advances: JACC Review Topic of the week[J]. J Am Coll Cardiol, 2024, 83(24): 2472-2486. DOI: 10.1016/j.jacc.2024.03.400.

[10] Goldstein BH, McElhinney DB, Gillespie M J, et al.Early Outcomes From a Multicenter Transcatheter Self-Expanding Pulmonary Valve Replacement Registry[J]. J Am Col Cardiol, 2024, 83(14): 1310-1321. DOI: 10.1016/j.jacc.2024.02.010.

[11] Wang F, Dong Z, Reese TG, et al. 3D Echo Planar Time-resolved Imaging(3D-EPTI) for ultrafast multi-parametric quantitative MRI[J]. Neuroimage, 2022, 250: 118963. DOI: 10.1016/j.neuroimage.2022.118963.

[12] Zucker EJ, Sandino CM, Kino A, et al. Free-breathing Accelerated Cardiac MRI Using Deep Learning: Validation in Children and Young Adults[J]. Radiology, 2021, 300(3): 539-548. DOI: 10.1148/radiol.2021202624.

来源：中国心血管杂志