人工智能具有强大的计算能力与自我学习机制，这些均符合心脏舒张功能评估的应用场景。

而近日中国医学科学院吴伟春、王浩、刘梦怡等进行的研究，证实了人工智能模型预测冠心病人群左心室舒张功能不全的可行性。而且与相关指南相比，该模型诊断的准确性及一致性较好。

这项研究中，研究共纳入84 例冠心病患者及 30 例正常志愿者。

研究者以左心导管检查为分类依据，收集多项冠心病患者的临床特征和超声心动图特征，并应用随机森林（RF）算法整合了其中15 项临床特征及13 项超声心动图特征搭建了预测冠心病人群左心室舒张功能不全的模型。

此外，研究者还应用2016 年美国超声心动图学会发布的《关于评估左心室舒张功能不全的建议》评估了冠心病合并左心室舒张功能不全患者。

研究显示，随机森林模型模型预测冠心病人群左心室舒张功能不全的AUC为0.95，平均准确率达92.9%，F1分数为 95.5%。灵敏度、特异度、阳性预测值及阴性预测值分别为89.5%、95.6%、93.3%、93.0%。

随机森林模型与有创的左心导管检查之间的Kappa值为0.85。这提示，RF模型具有良好的诊断效能，与左心导管检查一致性较好。而且，RF模型对所有研究对象均可进行二分类预测，不存在无法明确诊断的灰色区间。

应用2016 年舒张功能指南评估冠心病人群是否合并左心室舒张功能不全，灵敏度较低，特异度较高，Kappa 值为 0.35，与左心导管检查一致性较差，且存在 19.3% 的患者处于灰色区间无法判断，与既往文献结果一致。

随机森林模型与 2016 年舒张功能指南对比，其诊断准确度及一致性上升，差异有统计学意义。

这也证实应用人工智能模型对于评估冠心病合并左心室舒张功能不全人群有积极影响。

来源：刘梦怡, 马红, 林静茹, 等. 基于随机森林算法构建冠心病人群左心室舒张功能不全的诊断模型[J]. 中国循环杂志, 2023, 38: 730-733. DOI: 10.3969/j.issn.1000-3614.2023.07.007.

转载： 请标明“中国循环杂志”

关于非法网站冒用我刊名义进行征稿的特别提醒

近期我们发现一些网站冒用“中国循环杂志”名义征稿，并承诺“职称论文权威快速发表”。

我刊郑重提醒各位作者，向《中国循环杂志》投稿，一定要登录中国循环杂志官方网站：

http://www.chinacirculation.org

进入“作者投稿”，在“作者投稿管理平台”中投稿。

本刊联系电话：010-68331974

订阅点击：