[論文發表] 2025 JAMA Letter發表《AI-Enabled Echocardiography Interpretation With Multitask Deep Learning》

 

[論文發表] 2025 JAMA Letter發表《AI-Enabled Echocardiography Interpretation With Multitask Deep Learning》

https://tcmcmc.blogspot.com/2026/04/AIEKGJAMALETTER.html
https://www.facebook.com/share/p/14a9oZTKp6b/
https://jamanetwork.com/journals/jama/article-abstract/2840718

Wu PH, Ho YY, Chang CM. AI-Enabled Echocardiography Interpretation With Multitask Deep Learning. JAMA. 2025 Dec 2;334(21):1952-1953. doi: 10.1001/jama.2025.16625. PMID: 41160021.

很高興與大家分享，我們自體免疫暨乾眼症客觀量測實驗室(AIDDES Lab)最近的成果，我與國立陽明交通大學傳統醫藥研究所碩士班吳品萱同學共同撰寫的 Letter to the Editor，針對研究《AI-Enabled Echocardiography Interpretation With Multitask Deep Learning》所撰寫的 Letter to the Editor，已正式刊登於JAMA！

這篇研究利用人工智慧（AI）自動判讀心臟超音波並生成報告，在多個資料集上展現出相當高的準確性，為未來 AI 導入心臟影像臨床流程奠定了重要基礎。儘管成果令人振奮，我們從「臨床可驗證性、公平性與疾病分級精細度」三個面向，提出以下三點核心問題：

1. 缺乏與人類專家的盲性直接比較，臨床可替代性仍待確認：
   作者雖指出訓練標籤來自合格心臟科醫師依循標準規範所撰寫的報告，但研究中並未進一步進行 PanEcho 與獨立專家判讀之間的盲性比較，也未分析不同判讀者之間的一致性。由於心臟超音波本身在邊界性或模糊病灶上常具有一定主觀性，若缺乏與多位專家之間的對照，就仍難判斷此模型究竟是能重現、輔助，還是超越臨床判斷
2. 外部驗證雖跨國，但族群組成偏白人，公平性與可推廣性仍有限：
   研究雖納入美國與匈牙利的外部驗證資料集，但多數 cohort 的受試者以白人為主，部分資料集甚至接近全白人組成。雖然作者簡要提及 demographic parity，但並未進一步呈現不同種族或族群的亞組表現分析，也缺乏正式統計比較。考量心臟結構與超音波參數本就可能受到人口學差異影響，若無更細緻的公平性驗證，模型的廣泛臨床應用仍需審慎看待。
3. 疾病嚴重度分類過於二分化，可能削弱早期異常偵測能力：
   研究中多數分類任務將結果簡化為「中度以上」對比「無或輕度」，這樣的設計雖有助於模型訓練，卻略過了臨床上最常見、也最具挑戰性的「正常與輕度異常」之間灰色地帶。此外，訓練標籤部分來自臨床報告，部分則透過閾值映射而得，可能導致疾病嚴重度定義不一致。對於真正重視早期診斷的臨床實務而言，未來應更重視細緻分級與標準化定義下的模型表現。

我們認為，未來若要讓 AI 心臟超音波判讀工具真正走入臨床，至少應補強三個方向：

1. 第一，納入與多位專家之間的盲性頭對頭比較與一致性分析；
2. 第二，進行不同種族與族群的亞組驗證，以提升公平性與外部效度；
3. 第三，強化輕度異常與早期病變的辨識能力，並建立更一致的疾病分級標準。

我們在Letter中想強調的是，這類 AI 工具的發展方向值得肯定，但若要真正進入臨床，仍需要更完整的人機比較、更清楚的公平性分析，以及更細緻的疾病分級驗證。

https://jamanetwork.com/journals/jama/fullarticle/2835630

Holste G, Oikonomou EK, Tokodi M, Kovács A, Wang Z, Khera R. Complete AI-Enabled Echocardiography Interpretation With Multitask Deep Learning. JAMA. 2025 Jul 22;334(4):306-318. doi: 10.1001/jama.2025.8731. PMID: 40549400; PMCID: PMC12186137.

----------------------------

NYCU 中醫自體免疫暨乾眼症客觀量測實驗室」捐款計畫

Q120120 中醫自體免疫暨乾眼症客觀量測實驗室

https://donate.nycu.edu.tw/contents/project_ct?page=1&p_id=63

中醫自體免疫暨乾眼症客觀量測實驗室 (Traditional Chinese medicine Autoimmune Disease and Dry Eye Syndrome Objective Measurements Lab，AIDDES Lab)致力於結合中醫理論與現代科技，進行前瞻性的研究，探索自體免疫風溼疾病與乾眼症患者的病理機轉及中醫輔助治療。AIDDES實驗室聚焦於透過客觀量測訊號，如中醫體質、舌診、脈診、虹膜、甲褶及心律變異等，加上DNA、RNA、蛋白質體學、口腔微生物菌相等生物醫學指標，深入探討客觀與生物醫學指標與自體免疫疾病的相關性，並進行跨領域的研究，以期建立更科學且精確的診斷與治療方法。

此外，我們也積極運用人工智慧及深度學習技術，對中醫體質、舌診、脈診資料進行自動化分析，並將其應用於處方的個人化設計。並希望可以通過基因序列、蛋白質體學、口腔微生物菌相…等研究，揭示自體免疫風溼疾病及乾眼症在分子生物學層面的機轉，並探索其中草藥及針灸等臨床介入方法的療效與潛力。我們的研究不僅有助於推動自體免疫疾病的精準醫療，還旨在構建真實世界的大數據研究，為未來的臨床決策提供有力支持。

因此，我們發起此捐款計畫，希望借助各界的支持，為患者帶來更好的醫療選擇，並推動中西醫結合。我們研究最終目標是幫助廣大的自體免疫疾病及乾眼症患者，減輕患者口眼乾燥症狀，提升生活品質，促進健康。

本專案將用於下列用途：

1.先進儀器設備的購置與升級：採購各類先進的研究儀器來提升實驗的精確度與效率，這包括心律變異係數分析儀、舌診及脈診儀、虹膜儀、甲褶鏡、基因定序……等設備，用於收集與分析患者的生理訊號與分子數據。

2.人工智慧與深度學習系統的開發與應用：我們計劃進行於人工智慧技術的開發，尤其是在中醫體質、舌診及脈診數據的自動化分析和中醫處方分析系統，目的是提高中醫診斷的準確性與中醫處方的精確度。我們將構建深度學習模型，並持續優化其性能，以應對複雜的臨床數據。

3.基因及多體學研究：為了探索自體免疫風溼疾病及乾眼症的病理機轉，我們將進行基因體、蛋白質體學、口腔微生物菌相等多體學研究，這不僅包括基因序列分析，還涉及RNA定序、蛋白質功能表現及口腔微生物菌相之變化。我們的目標是找出影響疾病發展的關鍵因子，從而發現新的治療靶點。

4.中草藥及針灸的臨床介入研究：我們將以嚴謹的臨床試驗設計，對中草藥及針刺療法在自體免疫疾病及乾眼症中進行療效分析與科學性驗證，中醫藥及針灸的大規模隨機對照試驗，可嚴謹評估中醫療法的有效性與安全性。

5.大數據研究平台的建立：為了促進長期數據的收集與分析，我們將建立自體免疫疾病暨乾眼症的的大數據研究平台，利用真實世界的數據進行病患狀況追蹤、療效評估及疾病預測。這將有助於我們對疾病進行全面的、長期的觀察，並為未來的臨床應用提供科學證據。

6.科研人才的培育與發展：我們希望藉由此捐款計畫，培育優良的碩博士學生與研究員培育，提供學術課程、研討會與研究資源，鼓勵他們投入中醫藥、針灸進行自體免疫疾病與乾眼症相關領域研究。我們也將與國際頂尖學術機構合作，促進國際交流與技術提升。

7.國際學術交流與成果發表：我們將積極參與國際學術會議，發表研究成果，並與全球學者進行交流。我們的目標是讓AIDDES實驗室的研究成果獲得全球認可，並推廣至更廣泛的臨床應用情境，造福更多的患者。

本捐款計畫將為AIDDES實驗室的研究提供強大的支持，幫助我們未來的科學技術提昇、臨床試驗、多體學整分析及大數據研究上持續發展，並加速推動中西醫結合研究的進展。我們衷心感謝您的支持與關注，期待與您共同創造更美好的醫療未來。