HeartAssist™ – инструмент автоматической классификации проекций и выполнения измерений при трансторакальной эхокардиографии взрослых

HeartAssist™ - программное обеспечение на основе икусственного интеллекта, в котором используется алгоритм SONIX HEALTH™, разработанный компанией ON: TACT HEALTH.

Введение

Эхокардиография (ЭхоКГ) играет важную роль в диагностике и лечении сердечно-сосудистых заболеваний. Точная количественная оценка структур и функции сердца необходима для первоначальной оценки, планирования лечения и последующего наблюдения пациентов. Хотя количественная эхокардиографическая оценка, несомненно, повышает качество лечения пациентов, врачам тем не менее приходится измерять параметры вручную, что является трудоемкой задачей даже для опытных специалистов. Такие процедуры не только зависят от опыта врача, но и характеризуются также вариабельностью результатов как между исследованиями, так и между различными операторами.

В последнее время в области диагностической визуализации, включая ЭхоКГ, все чаще применяют методы искусственного интеллекта (ИИ). Благодаря использованию методов глубокого обучения качество алгоритмов ИИ было существенно повышено, что позволило эффективно и согласованно выполнять автоматизированные измерения в ЭхоКГ с необходимой точностью [1]. HeartAssist™ - это программное обеспечение, в котором используются методы ИИ на базе глубокого обучения. В основе HeartAssist™ лежит алгоритм SONIX HEALTH™, разработанный компанией ON:TACT HEALTH. Это программное обеспечение доступно в качестве встроенной функции на ультразвуковых аппаратах V7/V8 (Samsung Medison, Сеул, Корея). Ожидается, что за счет устранения ручных действий оператора функция HeartAssist™ позволит проводить измерения с воспроизводимыми результатами и снизит их вариабельность, устранив необходимость в выполнении повторяющихся трудоемких задач. Учитывая растущее бремя сердечно-сосудистых заболеваний и одновременный рост спроса на ЭхоКГ, полностью автоматизированная количественная эхокардиографическая оценка может быть чрезвычайно полезной с точки зрения снижения рабочей нагрузки медицинского персонала и обеспечения устойчивого развития отделения ультразвуковой диагностики.

Сравнение рабочих процессов

Обычная количественная эхокардиографическая оценка состоит из следующих этапов: 1) определение проекции, 2) выбор соответствующих фаз сердечного цикла, включая конечно-диастолическую (ED) и конечно-систолическую (ES), 3) выбор целевой структуры, 4) выбор измеряемых параметров, 5) проведение ручных измерений (рис. 1). Для полного эхокардиографического исследования пациента обычно необходимо выполнить 20-30 измерений. Кроме того, чтобы учесть вариабельность между сердечными сокращениями, каждое измерение рекомендуется выполнять для двух или более сердечных циклов: трех для пациентов с нормальным синусовым ритмом и не менее пяти для пациентов с фибрилляцией предсердий [2]. Однако в повседневной практике эти рекомендации реализуются не в полной мере, поскольку весь процесс требует большого количества времени и усилий.

HeartAssist™ помогает полностью автоматизировать каждый этап эхокардиографических измерений и, таким образом, избежать многоэтапной работы. Каждый автоматизированный этап интегрирован в единую последовательность, поэтому все процессы выполняются автоматически (рис. 1). HeartAssist™ автоматически сегментирует электрокардиограмму (ЭКГ) и выбирает соответствующие фазы сердечного цикла для измерений без участия оператора. Даже в отсутствие ЭКГ система автоматически определяет конечно-диастолическую и конечно-систолическую фазы по другим индикаторам. Кроме того, автоматические измерения с помощью функции HeartAssist™ можно выполнять как для одного, так и для нескольких сердечных циклов. Это позволяет снизить вариабельность между циклами и обеспечивает точные измерения для каждой эхокардиографической проекции без больших затрат времени и повторения одинаковых действий (рис. 2). Таким образом, HeartAssist™ - это перспективное решение для снижения рабочей нагрузки кабинета эхокардиографии за счет автоматизированного количественного анализа изображений. В этом информационном документе приводится обзор функции HeartAssist™ для взрослых и рекомендации по ее применению.

Идентификация проекции

Автоматическое определение проекций является фундаментальным этапом для автоматического анализа эхокардиографических изображений [1]. От правильности идентификации зависит точность последующей оценки. В предыдущих исследованиях моделей автоматической классификации проекций была достигнута точность в 84-92% для 15 проекций [3, 4]. При этом большинство исследований было посвящено классификации в B-режиме, и только в одном рассматривалась классификация допплеровских изображений - в нем общая точность классификации составила 96% [5]. Нам неизвестны какие-либо исследования, относящиеся к классификации изображений в M-режиме. Функция HeartAssist™ для взрослых не применяется отдельно в каждом режиме, вместо этого она обеспечивает автоматическую идентификацию проекций для наиболее часто используемых эхокардиографических изображений, включая 7 изображений в B-режиме, 2 изображения в M-режиме и 11 допплеровских изображений (табл. 1). Алгоритм классификации HeartAssist™ был проверен на 1237 изображениях, охватывающих широкий спектр сердечно-сосудистых заболеваний, включая пороки развития камер сердца и аритмии. Он превосходит по своим характеристикам ранее описанные методы. Средняя точность классификации с помощью HeartAssist™ для взрослых составила 98%. Сводная информация о точности классификации для каждой проекции приведена в табл. 1.

Автоматическое измерение

После идентификации HeartAssist™ переходит к автоматическим измерениям параметров, соответствующих каждой позиции. Для оценки эффективности автоматического измерения с помощью функции HeartAssist™ для взрослых мы рассчитали коэффициент приемки, который определяется как процент измерений, принятых двумя специалистами (стаж работы 22 года и 6 лет).

1. B-режим

Важным этапом трансторакальной ЭхоКГ является измерение размера и функции камер сердца - для этого необходимо точное оконтуривание эндокарда. В настоящее время границы эндокарда определяют вручную - это трудоемкая процедура, которая вариабельна как для разных исследований, так и в случае работы разных операторов. Именно поэтому возникает потребность в быстром, точном и автоматизированном анализе эхокардиограмм [1, 6]. Функция HeartAssist™ выполняет линейные измерения левого желудочка (ЛЖ), включая межжелудочковую перегородку, полость ЛЖ и заднюю стенку в парастернальной проекции по длинной оси, а также измерения левого предсердия (ЛП), синуса Вальсальвы и диаметра выносящего тракта правого желудочка (ПЖ) на проксимальном уровне (табл. 2) [2]. Кроме того, измеряются объемы ЛЖ и ПЖ по изображениям в верхушечных четырех- и двухкамерной проекциях. HeartAssist™ автоматически идентифицирует полученное изображение в B-режиме, обнаруживает соответствующую фазу, например конечно-диастолическую и конечно-систолическую, а затем выполняет необходимые измерения (рис. 1).

Поскольку для обнаружения конечно-диастолической и конечно-систолической фаз используется площадь ЛЖ, функция HeartAssist™ для взрослых работает даже без ЭКГ. Это может быть полезно в ситуациях, когда отсутствует возможность использовать ЭКГ. Характеристики автоматических измерений в B-режиме приведены в табл. 2.

Для выполнения автоматических измерений с нужной точностью в B-режиме необходимо соблюдать следующие рекомендации.

Глубину среза следует выбирать так, чтобы размер изображения всех исследуемых структур был максимальным [2]. Этим рекомендациям соответствует, в частности, такое положение среза, при котором за пределами перикарда остается около 1 см (рис. 3а) [2]. Если глубина задана неправильно, возрастает вероятность ошибки измерения или сбоя при их автоматическом выполнении (рис. 3б, в).

• В соответствии с текущими рекомендациями для точной сегментации ЛЖ и ЛП в верхушечной четырехкамерной проекции предпочтительно, чтобы левосторонние структуры появлялись в правой части отображаемого сектора и правосторонние структуры слева (рис. 4а) [2]. Аналогичным образом желательно, чтобы передняя стенка ЛЖ в верхушечной двухкамерной проекции находилась справа (рис. 4б) и передняя стенка и аорта в верхушечной трехкамерной проекции также отображались справа (рис. 4в). Сегментация возможна, даже если изображение получено с обратной ориентацией структур (рис. 4г-е), однако в этом случае точность, скорее всего, будет низкой. В этом случае рекомендуется выполнить автоматические измерения повторно, предварительно перевернув изображения слева направо.

• Для точного измерения объема ЛЖ его верхушка должна быть центрирована в секторе, а размер по длинной оси должен быть максимальным (рис. 5а) [2]. При неправильном выборе плоскости визуализации появятся геометрические искажения (укорочение), которые приводят к заниженной оценке объема ЛЖ (рис. 5б).

2. M-режим

Поскольку 2D-визуализация является предпочтительным методом по сравнению с M-режимом, текущие клинические руководства не рекомендуют выполнять стандартные линейные измерения в этом режиме в рамках количественного анализа [2]. Однако поскольку измерения в M-режиме через аорту и ЛП или через ЛЖ все еще используются многими специалистами, функция HeartAssist™ для взрослых обеспечивает проведение автоматических измерений для этих двух позиций (табл. 3). HeartAssist™ автоматически идентифицирует изображение и обеспечивает измерение одним касанием (рис. 6). Важно отметить, что автоматические измерения можно выполнять как для одного, так и для нескольких сердечных циклов. Таким образом, в соответствии с клиническими рекомендациями пользователи могут получить среднее значение по нескольким последовательным сердечным сокращениям без дополнительных затрат времени [2]. В нашей оценке эффективности автоматических измерений в M-режиме коэффициенты приемки результатов специалистами варьировались от 97,5 до 100% (табл. 3).

Ниже приведены советы для выполнения точного анализа изображений в M-режиме.

• Хотя анализ изображений в M-режиме можно проводить без ЭКГ на основе изменения размеров, при наличии аритмии или даже небольшого изменения размеров во время сердечного цикла точность обнаружения конечно-диастолической и конечно-систолической фаз может снизиться (рис. 7а, б). Поэтому для более точной оценки предпочтительно использовать ЭКГ (рис. 7в, г).

• Изображение в M-режиме должно содержать все целевые структуры. Изображение в M-режиме через аорту и ЛП должно включать как аорту, так и ЛП, в частности его заднюю стенку (рис. 8а). Изображение в M-режиме через ЛЖ должно включать в себя все структуры ЛЖ, в том числе его заднюю стенку (рис. 8б). В противном случае автоматическое измерение может быть не выполнено (рис. 8в, г).

3. Допплеровские режимы

При обычном исследовании оператор после выбора целевого клапана и допплеровского параметра проводит все измерения вручную (рис. 9). Функция HeartAssist™ упрощает эту процедуру: она автоматически идентифицирует допплеровское изображение и выполняет необходимые измерения по одному нажатию кнопки оператором. Например, если получено изображение аортального клапана в непрерывноволновом допплеровском режиме (CW), алгоритм распознает и идентифицирует изображение, измеряет максимальную скорость (V_max) и интеграл скорости по времени (VTI) по огибающей допплеровской кривой, а затем вычисляет значения клинических параметров, таких как максимальный и средний градиент давления, и выводит их на экран вместе с V_max (рис. 9).

Функция HeartAssist™ автоматически идентифицирует 11 допплеровских изображений, включая изображения в режимах PW, CW и TDI, и обеспечивает 25 измерений (табл. 4). Уровень приемки измерений клиническими специалистами колеблется от 97 до 100% (табл. 5). Важно отметить, что, как и в M-режиме, пользователи могут выполнять автоматические измерения для нужного количества сердечных циклов. Поэтому ожидается, что проблемы, связанные с вариабельностью измерений между различными сердечными сокращениями, будут таким образом устранены без дополнительных усилий и времени.

• Получение допплеровских изображений в соответствии с клиническими рекомендациями повышает точность автоматических измерений [2]. Базовая линия спектрального допплера должна располагаться так, чтобы исследуемый кровоток отображался оптимальным образом. По соглашению кровоток в сторону датчика отображается на трансторакальных эхокардиографических изображениях выше базовой линии нулевой скорости, а кровоток от датчика - ниже базовой линии. Система распознает положение базовой линии на допплеровском изображении, при этом допплеровский сигнал ниже базовой линии анализируется, когда он расположен над центром, а допплеровский сигнал выше базовой линии анализируется, когда он находится ниже центра. Если базовая линия центрирована, то алгоритм автоматически находит доминирующий кровоток. Однако если значительные допплеровские сигналы присутствуют с обеих сторон (за исключением случая визуализации ткани митрального кольца в режиме тканевого допплера), то алгоритм может не определить целевой кровоток. В этом случае оператор может повторно отрегулировать базовую линию в соответствии с целевым сигналом, после чего он будет идентифицирован и функция автоматически выполнит соответствующие измерения.
• Оператор должен правильно настроить масштаб отображения так, чтобы спектральная допплеровская кривая имела как можно больший размер без появления эффекта наложения (элайзинга). Также необходимо отрегулировать скорость развертки, чтобы на одном изображении отображалось не слишком много сердечных сокращений; обычно рекомендуется использовать скорость развертки 100 мм/с (рис. 10а) [2]. В противном случае небольшая амплитуда допплеровской огибающей или слишком большое количество сокращений могут привести к значительным различиям в получаемых значениях (рис. 10б, в).

Функция HeartAssist™ хорошо работает без информации ЭКГ на всех допплеровских изображениях, кроме изображения митрального клапана в PW-режиме. Но и для этого изображения алгоритм будет по-прежнему хорошо работать, если у пациента синусовый ритм и типичные формы пиков E (раннее диастолическое наполнение) и A (позднее диастолическое наполнение) (рис. 11а). Однако у пациентов с аритмией обнаружение пиков Е и А при отсутствии ЭКГ может быть неправильным. Например, у пациентов с фибрилляцией предсердий, которая приводит к потере пика A, или у пациентов с тахикардией, которая может вызвать объединение пиков E и A, алгоритм может ошибочно принять пик E за пик A (рис. 11б, в). В то же время при наличии ЭКГ алгоритм автоматически идентифицирует фазу сердечного цикла и правильно определяет пики E и A (рис. 11 г-е).

Функция HeartAssist™ на основе ИИ обеспечивает быструю автоматическую идентификацию изображения и проведение измерений при трансторакальной ЭхоКГ взрослых путем сокращения количества нажатий клавиш, необходимых для выполнения измерений, на 88% и времени измерений в среднем на 90%. Таким образом, оператор освобождается от лишней физической нагрузки и от повторяющихся действий при длительных измерениях, что повышает эффективность его работы и качество обслуживания пациентов.

Заключение

HeartAssist™ полностью автоматизирует каждый этап процесса трансторакальных эхокардиографических измерений, тем самым сокращая время и усилия, затрачиваемые медицинским персоналом. Кроме того, благодаря проведению измерений в M-режиме и допплеровских режимах для нескольких последовательных сердечных сокращений эта функция помогает повысить точность и снизить вариабельность результатов между сердечными сокращениями. Благодаря сокращению нагрузки и временных затрат специалист по эхокардиографии получает реальную пользу от применения HeartAssist™ для взрослых.

Поддерживаемые системы: V8, V7, V6.

Литература

1. Yoon Y.E., Kim S., Chang H.-J. Artificial Intelligence and Echocardiography // J Cardiovasc Imaging. 2021; 29 (3): 193.
2. Mitchell C., Rahko P.S., Blauwet L.A. et al. Guidelines for Performing a Comprehensive Transthoracic Echocardiographic Examination in Adults: Recommendations from the American Society of Echocardiography // J Am Soc Echocardiogr. 2019; 32 (1): 1-64.
3. Madani A., Arnaout R., Mofrad M., Arnaout R. Fast and accurate view classification of echocardiograms using deep learning // npj Digital Medicine. 2018; 1 (1): 6.
4. Zhang J., Gajjala S., Agrawal P. et al. Fully Automated Echocardiogram Interpretation in Clinical Practice // Circulation. 2018; 138 (16):1 623-635.
5. Gilbert A., Holden M., Eikvil L. et al. User-Intended Doppler Measurement Type Prediction Combining CNNs With Smart Post-Processing // IEEE J Biomed Health Inform. 2021; 25 (6): 2113-2124.
6. Thorstensen A., Dalen H., Amundsen B.H. et al. Reproducibility in echocardiographic assessment of the left ventricular global and regional function, the HUNT study // Eur J Echocardiogr. 2010; 11 (2): 149-156.