研究背景：

右室（RV）功能障碍在各种心血管疾病中的预后意义已被广泛认可。它不仅是肺动脉高压患者临床症状和生存的主要决定因素，还在左心疾病中具有独立的预后价值。约有一半左心室射血分数（LVEF）降低的心力衰竭患者同时存在RV功能障碍，与不良预后的风险增加了2倍。因此，对RV收缩功能障碍的筛查应成为心血管护理的重要组成部分。已有证据显示右室（RV）功能的独立预后价值，即使在左心病患者中也是如此。评估RV功能最常用的成像技术是超声心动图；然而，传统的二维（2D）超声心动图评估无法利用三维（3D）超声心动图所提供的相同临床信息，特别是右室射血分数（RVEF）方面。

研究目标：

作者旨在使用基于深度学习（DL）的工具来估计从2D超声心动图视频中得出的RVEF。此外，他们将该工具的性能与人工专家的读数进行比较，并评估预测的RVEF值的预后能力。

研究方法：

作者回顾性地筛选了831名通过3D超声心动图测量了RVEF的患者。检索了这些患者的所有2D心尖四腔心超声视频（共计3,583个），并将每个受试者分配到训练集或内部验证集（比例为80:20）。使用这些视频，训练了几个时空卷积神经网络来预测RVEF。表现最佳的3个网络被组合成一个集成模型，并在外部数据集中进行了评估，该数据集包含365名患者的1,493个视频，随访时间中位数为1.9年。​

研究结果：

在内部验证集中，集成模型预测的RVEF的平均绝对误差为4.57个百分点，在外部验证集中为5.54个百分点。在后者中，该模型的RV功能异常识别率（定义为RVEF<45%）为78.4%，与专家读者的视觉评估相当（77.0%；P=0.678）。DL预测的RVEF值与重大不良心脏事件的发生率相关，与年龄、性别和左心室收缩功能无关（风险比：0.924；95%置信区间：0.862-0.990；P=0.025）。​

研究结论：

利用仅有的2D超声心动图视频，所提出的基于DL的工具可以准确评估RV功能，具有与3D成像相似的诊断和预后能力。

 

参考文献：

Tokodi M, Magyar B, Soós A, Takeuchi M, Tolvaj M, Lakatos BK, Kitano T, Nabeshima Y, Fábián A, Szigeti MB, Horváth A, Merkely B, Kovács A. Deep Learning-Based Prediction of Right Ventricular Ejection Fraction Using 2D Echocardiograms. JACC Cardiovasc Imaging. 2023 Mar 28:S1936-878X(23)00114-6. doi: 10.1016/j.jcmg.2023.02.017. Epub ahead of print. PMID: 37178072.