近日，生物医学工程学院谢宛青教授课题组在著名学术期刊《Research》（IF=11.036）上发表题为《利用可解释的深度关键点测距方法实现对房间隔缺损的经导管或手术闭合方案的评估(Assessment of Transcatheter or Surgical Closure of Atrial Septal Defect using Interpretable Deep Keypoint Stadiometry）》的学术论文。首都医科大学王晶副教授、谢宛青教授为本论文共同第一作者,哈佛大学医学院刘小沣教授和国家卫生健康委科学技术研究所研究员王彬彬为本论文的共同通讯作者。

房间隔缺损(ASD)是一种典型的房间隔有孔的心脏缺陷，约占先天性心脏病(CHD)的10%，约占新生儿的0.1%。ASD可能导致充血性心力衰竭或中风。因此，ASD的早期诊断和治疗对于避免严重并发症至关重要。利用人工智能(AI)对超声心动图进行自动解析有望促进初级临床医生对心脏缺陷的一系列诊断。然而，建立完全自动化且可解释的治疗方案分析系统仍旧是一项巨大的挑战。

该研究利用深度学习(DL)建立了一种基于经胸超声心动图(TTE)的房间隔缺损(ASD)治疗方案的评估系统。该系统构建深度关键点检测(DKS)模型，学习并精确定位所需关键点，从而实现距离测量。然后根据临床决策的规则，决定封堵方案以及经导管封堵ASD封堵器的大小，从而为手术方案的制定提供建议。此外，不同于许多只提供治疗方案决策信息的“黑箱”模型，该研究构建了一个透明、可解释的“白箱”模型，使模型的每个级别都能提供可解释的临床信息，力图贴近临床决策过程中的每一个步骤，更灵活、全面地为临床医生提供手术方案的建议和信息。

论文链接：https://downloads.spj.sciencemag.org/research/aip/9790653.pdf