提供有關字幕指導性能的新研究

標題健康，一家領先的醫療人工智能(AI)的公司，和它的合作者宣布其標志性關鍵研究表明其標題指導™AI-引導更多的研究分析成像技術可以有效地指導超聲初學者，以接受電生理(EP)植入設備的患者進行診斷質量檢查。隨著Caption Health的AI技術擴大了在包括農村地區和初級保健在內的各種臨床環境中獲得高質量醫學成像的機會，僅在美國，估計就有50萬至300萬患者使用可植入的起搏器，這項研究令人鼓舞。

Caption Guidance提供實時指導和自動質量評估，以幫助用戶優化和捕獲診斷質量的超聲圖像，并旨在模仿超聲醫師的專業知識。該軟件中使用的深度學習模型接受了關于探頭運動對圖像方向/質量影響的5,000,000多次觀察的訓練。

這項研究在2020年ESC大會(歐洲心臟病學會年會)上發表，被選為“最佳電子海報”之一，是為支持Caption Health具有里程碑意義的FDA De而進行的關鍵性研究中的描述性亞組分析。 2月獲得Novo授權。在較大的研究中，八名沒有超聲檢查經驗的護士在新穎的Caption Guidance軟件的指導下，分別對30位患者(共240位患者)進行了10次標準的經胸超聲心動圖(TTE)檢查。這些患者中有27位存在起搏器或植入式心臟復律除顫器(ICD)。在同一天，訓練有素的心臟超聲醫師無需使用深度學習算法即可獲得相同的10個TTE圖像。

描述性分析評估了軟件對植入EP設備的患者的性能，重點是右心室(RV)的大小和功能。使用Caption Guidance軟件的護士在植入EP設備的患者中，有80%以上的病例獲得了足夠質量的TTE，可以對RV的大小和功能進行定性評估，而沒有EP的患者中，則有90%以上。超聲檢查者的表現相似：在描述上，對于所有比較(即，具有EP裝置的患者，不具有EP裝置的患者以及整體)，護士和超聲檢查者獲得的掃描之間沒有顯著差異。

分析結果表明，該軟件在植入EP設備的患者中效果很好，支持了關鍵研究的總體結論，表明Caption Guidance可以指導新手超聲用戶總體上獲得診斷質量的TTE。這些發現表明，該軟件中使用的深度學習技術對于諸如起搏器和ICD導線之類的大型視覺構件具有魯棒性。

摘要和頭銜第一作者Sam Surette說：“心臟導聯會在超聲圖像中產生劇烈的視覺偽像，這可能會使本來可以在典型圖像上很好地起作用的算法感到困惑，從而使這項研究成為該技術的出色'壓力測試'。” Caption Health的法規事務和質量保證團隊。“我們的發現令人興奮，因為它們提供了進一步的證據，證明我們軟件中的核心人工智能可以很好地推廣到這些患者。”