Lancet |AI读心脏MRI,预测死亡风险更准?
论文标题:人工智能与临床医生在心脏磁共振成像左心室分割中预测死亡率的比较:一项回顾性、多中心、预后研究
期刊名称: The Lancet Digital Health(2026)
🫀 一、研究背景
左心室射血分数(LVEF)是评估心脏功能的重要指标,广泛用于心血管风险分层。
传统心脏磁共振(CMR)依赖医生手动勾画左心室,容易受到操作者经验影响。那么,AI自动分割能否改善测量精度和死亡风险预测?
🔬 二、研究设计
这是一项多中心回顾性研究,纳入英国和美国27,382名接受心脏MRI检查的患者。
分别采用AI和医生测量三项指标: ① LVEF:左心室射血分数。 ② LVEDVi:左心室舒张末期容积指数。 ③ LVMi:左心室质量指数。
通过Cox模型分析全因死亡,并利用AIC、C-index和似然比检验比较预测能力。
📊 三、核心研究结果
① 随访情况: 中位随访5.6年,共3,458人死亡(13%)。
② 预测表现: AI测量LVEF的C-index为0.669,医生为0.637。
③ 调整年龄和性别后: AI的C-index为0.781,医生为0.777,差异仅0.004。
④ 增量价值: 在医生模型中加入AI指标,模型拟合显著改善(P<0.0001);反向加入医生指标,仅有小幅改善。
⑤ 效率优势: AI每例分析仅需3–4秒,而人工测量此前研究报告的中位耗时约13分钟。
🧬 四、疾病亚组有什么差异?
AI并非在所有疾病中都占优势。
在冠心病和非缺血性心肌病患者中,AI表现较好;但在肥厚型心肌病患者中,部分医生测量指标反而更有优势。
这提示不同心脏疾病的结构特点可能影响AI分割和风险评估。
⚠️ 五、研究局限
① 回顾性研究,不能证明AI能够改善临床结局。
② AI主要分析MRI,未充分整合病史和合并症等信息。
③ 未评估模型校准度,也未直接验证临床决策获益。
④ 不同中心死亡信息来源不同,可能存在漏报。
💡 六、研究启示
这项研究的重点不是AI取代医生,而是AI测量可能提供额外的预后信息。
未来可将AI作为第一线测量工具,结合医生质量监督,并通过前瞻性研究进一步验证临床价值。
人工智能 影像 临床试验 医学实验 系统性风险 生命科学 大模型 医疗howto 生物医学科研 医学





