Öppna i ny flik
Öppna ppt
För att 3D-ekokardiografi ska kunna användas i rutinmässig klinisk praxis krävs det robusta normala referensvärden. Nya riktlinjer för kammarkvantifiering innehåller begränsade uppgifter om högst 1 780 försökspersoner med olika etnisk bakgrund.2 Dessa uppgifter verkar otillräckliga för att på ett tillförlitligt sätt ge vägledning baserad på kön, ålder och etnicitet. En nyligen genomförd metaanalys med 2 806 försökspersoner visade att det finns en betydande heterogenitet och inkonsekvens mellan studierna, vilket kräver standardiseringar och en gemensam prospektiv insamling av data.26
Fullt automatiserad 3D-bedömning av ejektionsfraktion
Fullt automatiserad 3D-analys av EF innebär att kvantitativa resultat erhålls utan någon som helst interaktion från användarens sida (t.ex. val av vyer, positionering av markörer och ritning eller modifiering av konturer). Flera vetenskapliga grupper och leverantörer har utvecklat algoritmer för att upptäcka endokardgränser i 3D.27,28 De flesta av dem förblir dock halvautomatiska, där det till en början krävs användarinput för att manuellt anteckna viktiga landmärken (t.ex. mitralplanet, apex), bland annat programvaran TomTec 4D LV-Analysis© (TomTec Imaging Systems), programvaran Philips QLab 3DQ-Advanced (Philips Healthcare) och GE 4D LVQ-verktyget i programvaran EchoPAC (GE Vingmed Ultrasound). Trots detta har flera undersökningar av dessa halvautomatiserade metoder rapporterat lovande resultat när det gäller noggrannhet och reproducerbarhet, samt minskad analystid jämfört med manuell 3D-eko.27
Publicerade data där kommersiellt tillgänglig programvara har använts på ett helt automatiserat sätt är begränsade till två leverantörer, där kunskapsbaserade probabilistiska kontureringsalgoritmer29 eller adaptiva analysalgoritmer har använts.30 Initialt var det Siemens ultraljud som integrerade verktyget Left Ventricle Analysis (LVA) i arbetsplatsen ACUSON SC2000 PRIME (Siemens Healthcare), som använder en expertkunskapsdatabas för gränsdetektering. Därefter införlivade Philips Healthcare algoritmen HeartModel i Philips EPIQ 7-maskinen. Algoritmerna börjar med att automatiskt upptäcka de enddiastoliska och endystoliska faserna och genererar preliminära endokardiala ytor som sedan jämförs med en befintlig databas med 3D-dataset. Därefter matchar programvaran volymer och former och genererar en modell som är anpassad till patienternas LV.30 I tabell 1 sammanfattas de tillgängliga uppgifterna om jämförelser mellan helautomatiska 3D-algoritmer och antingen CMR eller manuellt eko (2D eller 3D).15,17,19,30-34
Med undantag för en,17 undersökte alla studier utvalda kohorter. Genomförbarheten är fortfarande låg (en tredjedel är inte genomförbar) på grund av att algoritmen för konturering misslyckas i närvaro av suboptimal bildkvalitet eller felaktig utlösning av datainsamling.15,17,19 AF utesluter dock inte användningen av helautomatiska algoritmer, vilket har visats i ett begränsat antal studier.15,31 Användarvänligheten och den höga reproducerbarheten hos dessa algoritmer gör denna strategi till en kandidat för att få 3D EF att få en utbredd klinisk användning; det finns dock fortfarande vissa utmaningar. För det första spelar bildkvaliteten en central roll, och resultat som erhålls med dålig men analyserbar bildkvalitet (som påvisas hos upp till en fjärdedel av en oselekterad population) ger felaktiga resultat.17 För det andra verkar befintliga databaser med 3D-dataset inom algoritmerna inte på ett korrekt sätt ta hänsyn till försökspersoner med stora aneurysm, komplexa medfödda hjärtsjukdomar eller till och med dilaterade ventriklar, där större underskattningar av volymer har rapporterats.15,30 Ett rimligt tillvägagångssätt skulle vara att utvidga en sådan databas till specifika förhållanden som kan väljas under förvärvet (dvs. ett adaptivt förvärvsprotokoll). För det tredje skulle 80 % av de helautomatiserade konturerna fortfarande behöva korrigeras av en expert.17 Det rör sig om små förändringar som marginellt påverkar volymerna och EF, men också om större förändringar som skulle kunna påverka beslutsfattandet för en specifik patient på ett betydande sätt. Tills resultaten i större kohorter visar något annat uppmuntras därför starkt en ordentlig utbildning i LVEF-bedömning och övervakning av automatiserade konturer. Slutligen är båda de helautomatiska algoritmerna leverantörsberoende, och denna teknik kan inte tillämpas på förvärv som utförs med andra maskiner. Ytterligare utveckling och validering av en leverantörsoberoende programvara, såsom TomTec 4D LV-Analysis-programvaran, kan ytterligare utöka användningen av helautomatisk analys.35
Slutsats
Inom ett halvt sekel har eko mognat till den föredragna icke-invasiva modaliteten för bedömning av LVEF och volymer. 3D-eko erbjuder den bästa noggrannheten och reproducerbarheten inom ekokardiografiska metoder; det är dock fortfarande tidskrävande och kräver betydande expertis. Tillkomsten av helt automatiserad programvara för 3D-analys kan utgöra en möjlighet att ytterligare främja och undersöka den utbredda användningen av 3D-eko.