Исследовательская группа под руководством ученых из RIKEN Center for Advanced Intelligence Project (AIP) разработала новую систему, которая может автоматически обнаруживать аномалии сердца плода в режиме реального времени с использованием искусственного интеллекта (AI). Эта технология может помочь исследователям избежать упущения серьезных и сложных врожденных пороков сердца, требующих немедленного лечения, что приведет к ранней диагностике и хорошо спланированным планам лечения, а также может способствовать развитию перинатальной или неонатальной медицины.
Врожденные проблемы с сердцем, которые могут включать аномалии предсердия, желудочка, клапанов или соединений кровеносных сосудов, могут быть очень серьезными и составлять около 20% всех случаев смерти новорожденных. Известно, что диагностика таких проблем до рождения ребенка, позволяющая оперативно начать лечение в течение недели после рождения, значительно улучшает прогноз, поэтому было много попыток разработать технологии, позволяющие точную и быструю диагностику. Однако сегодня диагностика плода во многом зависит от наблюдений опытных врачей с использованием ультразвуковой диагностики, поэтому, к сожалению, нередки случаи, когда дети рождаются без должного диагноза.
В последние годы методы машинного обучения, такие как глубокое обучение, быстро развиваются, и есть большой интерес к внедрению машинного обучения для медицинских приложений. Машинное обучение может позволить диагностическим системам выявлять заболевания быстрее и точнее, чем люди, но для этого требуется наличие адекватных наборов данных по нормальным и ненормальным предметам для определенного заболевания. К сожалению, однако, поскольку врожденные проблемы с сердцем у детей относительно редки, полных наборов данных не существует, и до сих пор прогнозы, основанные на машинном обучении, не были достаточно точными для практического использования в клинике. Однако группа под руководством RIKEN AIP, в которую также входят сотрудники Fujitsu Ltd. и Showa University решили взять на себя эту задачу и успешно разработали новую технологию машинного обучения, которая может точно прогнозировать заболевания с использованием относительно небольших и неполных наборов данных.
В целом специалисты по диагностике сердца плода стремятся определить, находятся ли определенные части сердца, такие как клапаны и кровеносные сосуды, в неправильном положении, сравнивая нормальные и аномальные изображения сердца плода на основе их собственного суждения. Исследователи обнаружили, что этот процесс похож на "обнаружение объекта" техника, которая позволяет ИИ различать положение и классифицировать несколько объектов, появляющихся на изображениях.
Набор из "учитель" данные – то есть данные, на основе которых ИИ должен учиться – подготавливаются через "аннотация"- привязка значений к объектам – и используется для обучения системы обнаружения объектов. Для разработки существующей системы исследователи использовали нормальные изображения сердца, чтобы обозначить правильное положение 18 различных частей сердца и периферических органов, и разработали новый "Система скрининга сердца плода," что позволяет автоматически обнаруживать аномалии сердца по ультразвуковым изображениям. Когда есть различия между тестовыми и изученными данными, система определяет наличие отклонения от нормы, если разница больше некоторого значения достоверности. Процесс выполняется быстро и может выполняться в режиме реального времени, а результаты немедленно отображаются на экране обследования. Система также может помочь согласовать диагнозы в разных больницах с разным уровнем медицинского опыта или оборудования.
"Этот прорыв стал возможен благодаря накопившимся обсуждениям среди экспертов по машинному обучению и диагностике сердца плода. В RIKEN AIP есть много экспертов в области искусственного интеллекта и возможности для сотрудничества, подобные этому проекту. Мы надеемся, что система получит широкое распространение благодаря успешному сотрудничеству между клиницистами, академическими кругами и компанией," говорит Масааки Комацу, исследователь RIKEN AIP, который руководил проектом.
Теперь исследователи планируют провести клинические испытания в университетских больницах Японии, добавив большее количество ультразвуковых изображений плода, чтобы позволить ИИ узнать больше, чтобы повысить точность скрининга и расширить свою цель. Внедрение этой системы может помочь исправить медицинские диспропорции между регионами за счет обучения экзаменаторов или удаленной диагностики с использованием облачных систем.