基于深度学习的心脏超声血流成像对肥厚型心肌病合并心律失常的预测价值

目的探讨基于深度学习的心脏超声血流成像对肥厚型心肌病(HCM)合并心律失常的预测价值。方法对2020年3月~2023年3月收治的90例HCM患者的临床资料进行回顾性分析,按4:1:1的比例分为训练组(n=60)、验证组(n=15)和试验组(n=15)。训练组患者根据是否合并心律失常分为并发组(n=20)和非并发组(n=40)。收集患者的一般数据,建立心脏超声血流成像的深度学习模型,提取图像数据:左心室射血分数(LVEF)、左心房容积指数(LAVI)、E/e’、涡流面积变化率、循环强度变化率、平均血流速度和平均能量损耗(EL)值。结果3组患者一般资料不存在统计学差异;训练组中并发组与非并发组患者的一般资料也不存在显著性差异,但是并发组的LAVI(P<0.01)、E/e’(P<0.01)、涡流面积变化率(P<0.01)、循环强度变化率(P<0.01)、平均血流速度(P<0.05)、平均EL(P<0.01)显著高于非并发组,LVEF则显著低于非并发组(P<0.01);多因素Logistic回归分显示:涡流面积变化率、循环强度变化率、平均血流速度、平均EL与LAVI、E/e’均为HCM伴发心律失常的危险因素,LVEF是HCM伴发心律失常的保护因素;训练组模型ROC曲线AUC值为0.985,验证组ROC曲线AUC值为0.989,试验组ROC曲线AUC值为0.980。结论基于深度学习的心脏超声血流成像能更准确地识别心脏超声图像,对HCM并发心律失常有较高的预测价值,涡流面积变化率、循环强度变化率、平均血流速度、平均EL、LAVI和E/e’均是HCM并发心律失常的危险因素。LVEF是HCM伴发心律失常的保护因素。