医疗人工智能（ai）运用于心肌病的诊断

临床诊断是将未知病人病情与过去典型病例联系起来的过程。这一过程也能通过AI完成。Sengupta等建立了一种联想记忆分类的机器学习算法，先对47例无结构性心脏病对照者的斑点追踪超声心动图数据进行归一化处理后，针对50例缩窄性心包炎和44例限制性心肌病患者进行鉴别研究，以手术病理为诊断金标准，发现联想记忆分类器使用斑点跟踪超声心动图参数时的受试者工作特征曲线的曲线下面积（area under curve，AUC）为89.2%的，增加另外4个超声心动图变量（e'，E/e'，室间隔厚度、左室后壁厚度）后，AUC提高到96.2%。

整合斑点追踪超声心动图参数到机器学习模型这一技术也能区分运动员生理性左室肥大与肥厚性心肌病。因此，AI机器学习运用于超声心动图诊断是可行的，能协助诊断。但是，AI技术中深度学习这一领域的算法复杂，非专业领域人员难以理解，影响算法推广，需要计算机领域与医疗领域进一步合作。

综上所述，人工智能正在改变超声心动图的应用前景，在医疗影像领域将会有更广阔的应用。多个供应商的软件程序已纳入AI技术进行图像的自动化分析，目前三维超声心动图和斑点追踪的自动化显示了很高的可行性、准确性和重复性。另外，近来研究人员应用AI对胎儿超声图像进行识别检测，提示AI在胎儿超声心动图中也有应用前景。基于AI的超声心动图临床应用价值尚待进一步研究。