### 子彈重點
- 一種人工智能模型已被設計出來，可以使用單個胸部超聲波心動圖視頻剪輯診斷保留射出分數的心力衰竭。
- 該算法表現出了很高的敏感性和特異性。
- 研究人員使用2,971名HFpEF患者和3,785名對照參與者的心尖四腔心臟超聲波（TTE）視頻剪輯來訓練和驗證3D卷積神經網路人工智能。
- 一個受試人群中，人工智能的敏感性為87.8%，特異性為81.9%。
- 研究人員還在獨立測試中評估了性能。
- 研究人員觀察到，與人工智能未報告HFpEF的患者相比，人工智能確定的HFpEF患者死亡風險增加了。
- 該模型的技術和臨床可行性結合起來，可以使患者更快地接受有效的藥物治療。
- 人工智能應用於診斷HFpEF的能力，可以為無法完成診斷質量舒張期評估的中心篩查提供重要的實際影響，特別是在時間或專業知識不足的情況下。
- 人工智能在這個領域的性能要比經驗得分系統要好。
- 這個算法的理想用途是在其他臨床或超聲波指標無法確定HFpEF診斷時，作為“第二次閱讀”的工具。
- 人工智能可以在中等或不確定的情況下作為“決策者”，或者作為提高早期HFpEF診斷和及時治療的“門衛”，以進行進一步的（運動）測試。
- 人工智能可以更好地解釋存在於醫學數據中的廣泛信息，包括圖像。
- 人工智能的應用，可以在需要進行複雜的多普勒評估時，提供支持性信息，也可以在傳統措施不可行時，限制數據要求。
- 人工智能在這個領域的應用具有很大的潛力，可以更好地解釋醫學數據中存在的大量信息，包括圖像。
- 人工智能在HFpEF診斷中的應用，可以幫助醫生更快速地診斷病情，並幫助患者更快地接受治療。
### 結論
人工智能在HFpEF診斷中的應用具有很大的潛力，可以更快速地診斷病情，並幫助患者更快地接受治療。
