EchoFocus-CHD è un modello di intelligenza artificiale a compiti multipli che rileva automaticamente 12 lesioni cardiache congenite critiche e 8 non critiche nell'ecocardiografia standard. In una coorte esterna, il modello ha corrisposto all'interpretazione degli esperti, con la promessa di estendere la scarsa esperienza in ecocardiografia pediatrica oltre i centri accademici. Un esempio concreto di dove l'imaging assistito dall'IA può rapidamente fornire valore clinico nella medicina generale e negli ospedali più piccoli.
Contesto: La diagnosi tardiva o mancata di cardiopatie congenite (CHD) contribuisce all’eccesso di mortalità pediatrica in tutto il mondo. L’ecocardiografia (eco) è fondamentale per la diagnosi e la triage delle CHD, tuttavia l’interpretazione esperta rimane una risorsa globale scarsa e mal distribuita. L’intelligenza artificiale (AI) offre il potenziale per democratizzare la diagnostica ed estendere l’interpretazione di livello esperto oltre i grandi centri accademici, ma la sua applicazione nelle CHD rimane poco esplorata. Metodi: Abbiamo sviluppato EchoFocus-CHD, un modello abilitato dall’AI per il rilevamento automatizzato di 12 lesioni critiche e 8 lesioni non critiche delle CHD, sia individualmente che come compositi. L’esito composito delle CHD critiche è stato l’endpoint primario. Il modello si basa su un’architettura multi-task, view-agnostic (PanEcho) con un encoder transformer per migliorare il focus sulle visualizzazioni eco rilevanti. Il modello è stato addestrato internamente (80%) e testato (20%) sulla prima eco per paziente presso il Boston Children’s Hospital (BCH), con ulteriore valutazione su un cohort di riferimento
