基于人工智能的自动肺部超声评分对ARDS患者血管外肺水评估的价值

目的 评价基于人工智能(artificial intelligence, AI)的自动肺部超声评分(lung ultrasound score, LUS)对急性呼吸窘迫综合征(ARDS)患者血管外肺水(extravascular hung water, EVLW)评估的价值。方法 选择2019年1月至2022年6月上海长征医院急诊重症监护病房(EICU)符合ARDS诊断标准的28例患者作为研究对象,采用两种肺部超声评分方法:(1)基于两阶段级联深度学习模型评估ARDS的自动LUS(自动组LUS);(2)临床医生评估的LUS(人工组LUS),并采用脉波指示剂连续心排血量监测技术(PiCCO)监测血管外肺水指数(EVLWI),年龄18~80岁,性别不限,在行PiCCO检测前0.5 h内行肺部超声检查,计算LUS,并行动脉血气分析,记录氧合指数(PaO2/FiO2),比较两种LUS方法在不同严重程度ARDS患者诊断中的作用。结果 自动组LUS和人工组LUS与EVLWI高度相关(R^(2)=0.924 vs.R^(2)=0.910),在评估EVLW方面均显示出较高的准确性,LUS的受试者工作特征(ROC)曲线分析以PiCCO计算所得:(1)以EVLWI>7 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线下面积(AUC)分别为0.956和0.947,两组方法的敏感度分别为90.8%和87.0%,特异度分别为94.3%和92.5%。(2)以EVLWI≥10 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线AUC分别为0.979和0.978,两组方法的敏感度分别为92.2%和89.1%,特异度分别为97.9%和96.7%。(3)以EVLWI≥15 mL/kg为界,对自动组和人工组LUS方法绘制ROC曲线,两组ROC曲线AUC分别为0.997和0.996,两组方法的敏感度分别为94.5%和93.0%,特异度分别为98.8%和97.8%。结论 人工智能自动LUS可用于临床ARDS的诊断及严重程度的评估。