跳转到主要内容

#心血管疾病

2 篇

与"心血管疾病"相关的眼科资讯

学术研究

视网膜生物标志物在心血管疾病预测中的应用

心血管疾病（CVDs）是全球死亡的主要原因，先天性心脏病（CHD）、获得性心脏病（AHD）、瓣膜病和心肌病显著增加了发病率。视网膜眼底成像作为一种非侵入性技术，能够捕捉微血管变化，作为系统性心血管功能障碍的生物标志物。本研究系统回顾了2015年至2025年间发表的相关文献，评估了不同疾病焦点、成像模式、分析方法及诊断性能。结果表明，深度学习和机器学习模型应用于视网膜眼底图像，在检测和分类CVDs方面表现出较高的准确性。卷积神经网络在CHD检测中达到了91%的AUC值，而混合多模态方法提高了AHD和瓣膜病的预测敏感性。心肌病与血管扭曲和微出血相关，可通过自动化图像分析量化。新兴方法如基于Transformer的模型和Segment Anything Model (SAM) 的医疗影像适应，有望提高通用性和可解释性。尽管存在数据集不平衡、纵向验证有限和AI模型黑箱问题，视网膜成像仍具有作为可扩展、非侵入性工具的巨大潜力。

#视网膜成像#心血管疾病#人工智能
PubMed Ophthalmology #1/2
READ
学术研究

AI听诊器在英国心血管疾病早期检测中的应用

背景：心血管疾病的早期检测是全球公共卫生的重点。人工智能（AI）赋能的听诊器在心力衰竭、房颤和瓣膜性心脏病的床旁检测中表现出色。本研究通过一项实用的、集群随机对照实施试验，评估了AI听诊器在实际应用中的效果及实施挑战。方法：英国初级保健机构被随机分为干预组（接受AI听诊器使用培训并在常规护理中实施）和对照组（常规护理）。AI听诊器记录15秒的心电图和心音信号，并通过三个AI算法返回二元预测结果。主要终点是心力衰竭的新诊断率，次要终点包括房颤和瓣膜性心脏病的检测率、AI听诊器的性能特征、使用率以及临床医生报告的实施障碍和促进因素。结果：在2023年10月30日至2024年5月22日期间，205个诊所被随机分配到干预组（96个诊所，701,933名注册患者）和对照组（109个诊所，851,242名注册患者）。干预组共记录了12,725次患者检查，涉及972名临床用户。意向治疗分析显示，两组之间的心力衰竭检测率无显著差异（IRR 0.94 [95% CI 0.86-1.02]），社区或医院诊断也无显著差异（p>0.05）。结论：在常规初级保健中实施AI听诊器并未显著增加心力衰竭的检测率或社区诊断率。然而，AI听诊器的使用与心力衰竭、房颤和瓣膜性心脏病的更高检测率独立相关。

#AI医疗#心血管疾病#早期检测
PubMed Ophthalmology #2/2
READ