Detettori echocardiografici automatizzati di malformazioni cardiache congenite utilizzando l'intelligenza artificiale.

BACKGROUND: Il ritardo o la mancata diagnosi della malattia cardiaca congenita (MCC) contribuisce a un'eccessiva mortalità pediatrica a livello mondiale. L'ecocardiografia (eco) è centrale nella diagnosi e nella triage della MCC, ma l'interpretazione esperta rimane una risorsa scarsa e mal distribuita a livello globale. L'intelligenza artificiale offre il potenziale di democratizzare la diagnosi e di estendere l'interpretazione a livello esperto al di là dei grandi centri accademici, ma la sua applicazione nella MCC rimane poco esplorata. METODI: Abbiamo sviluppato EchoFocus-CHD, un modello abilitato dall'intelligenza artificiale per la detezione automatizzata di 12 lesioni CHD critiche e 8 lesioni non critiche, individualmente e come compositi. L'esito composito CHD critico era l'outcomes primario INDIRIZZO DELLA RICERCA: RISULTATI: DISCUSSIONE: CONCLUSIONI: