Key points are not available for this paper at this time.
L'échocardiographie est la modalité d'imagerie cardiaque la plus largement utilisée, mais l'interprétation assistée par intelligence artificielle reste limitée par l'incapacité des modèles existants à intégrer l'évaluation visuelle, la mesure quantitative et le raisonnement clinique dans un cadre unifié. Ici, nous présentons EchoAtlas, le premier modèle de vision-langage autorégressif développé pour l'interprétation échocardiographique. Entraîné sur plus de 12,9 millions de paires question-réponse dérivées d'environ 2 millions de vidéos d'échocardiogrammes, EchoAtlas atteint 0,966 de précision sur des questions à choix multiples dans notre ensemble de test interne et établit un nouvel état de l'art sur le benchmark public MIMIC-EchoQA (0,699 contre 0,508 auparavant). EchoAtlas fournit également des mesures quantitatives précises, une évaluation du mouvement régional des parois au niveau des segments, une comparaison longitudinale et un raisonnement diagnostique à travers divers formats de questions - des capacités qui n'ont pas été précédemment démontrées dans ce domaine. Ces résultats soulignent le potentiel des modèles de vision-langage autorégressifs comme base pour une interprétation interactive de l'échocardiographie, représentant une première étape vers des systèmes d'intelligence artificielle évolutifs et audités en pratique cardiologique.
Chao et al. (Mar,) ont étudié cette question.