目的：确定是否可开发一个人工智能(AI)系统自动分析负荷超声心动图并支持临床解读。

背景：冠心病(CAD)是全球致死和致病的主要原因，负荷超声心动图仍是最常用的诊断成像检查之一。

方法：1.从大型英国前瞻性、多中心、多供应商研究中提取负荷超声心动图的几何和运动学特征，开发一种自动图像处理通道。2.使用提取特征训练一个集成机器学习分类器，识别冠脉造影显示患有严重CAD的患者。3.在美国的一项研究中进行独立检验。4.在一项随机交叉阅片者研究中评估AI分类对负荷超声心动图临床解读的影响。

结果：1.基于31个独特的几何和运动特征的交叉折叠验证,训练数据识别严重CAD患者的分类准确性可接受,特异度为92.7%,灵敏度为84.4%。2.这种准确性在独立验证数据中保持不变。3.临床医生使用AI分类工具使阅片者间一致性和识别疾病的灵敏度提高10%,AUC达0.93。

结论：AI自动分析负荷超声心动图是可行的，并且为临床医生提供自动分类，提高疾病诊断的准确性、阅片者间的一致性和阅片者信心。