Исследователи Калифорнийского университета в Сан-Франциско нашли способ удвоить точность врачей при обнаружении подавляющего большинства сложных пороков сердца плода в утробе матери — когда вмешательства могут либо исправить их, либо значительно повысить шансы ребенка на выживание — путем сочетания рутинной ультразвуковой визуализации с машинным обучением. компьютерные инструменты.
Команда, возглавляемая кардиологом UCSF Рима Арнаут, доктором медицины, обучила группу моделей машинного обучения имитировать задачи, которые клиницисты выполняют при диагностике сложных врожденных пороков сердца (ВПС). Во всем мире люди выявляют от 30 до 50 процентов этих состояний еще до рождения. Однако комбинация ультразвукового исследования, выполняемого человеком, и машинного анализа позволила исследователям выявить 95% ИБС в их тестовом наборе данных.
Результаты опубликованы в майском выпуске журнала Nature Medicine .
В США и Всемирной организацией здравоохранения во втором триместре беременности повсеместно рекомендуется ультразвуковое обследование плода. По словам исследователей, диагностика пороков сердца плода, в частности, может улучшить исходы новорожденных и позволить провести дальнейшие исследования внутриутробной терапии.
«Скрининг во втором триместре — это обряд во время беременности, чтобы определить, является ли плод мальчиком или девочкой, но он также используется для выявления врожденных дефектов», — сказал Арнаут, доцент UCSF и ведущий автор статьи. Обычно визуализация включает пять изображений сердца, которые могут позволить врачам диагностировать до 90 процентов врожденных пороков сердца , но на практике только около половины из них выявляются в неспециализированных центрах.
«С одной стороны, пороки сердца — самый распространенный вид врожденных дефектов , и очень важно диагностировать их до рождения» , — сказал Арнаут. «С другой стороны, они все еще достаточно редки, поэтому их обнаружение затруднительно даже для квалифицированных врачей, если они не являются узкоспециализированными. И слишком часто в клиниках и больницах по всему миру чувствительность и специфичность могут быть довольно низкими».
Команда UCSF, в которую вошли кардиолог плода и старший автор Анита Мун-Грейди, доктор медицины, обучила станки имитировать работу клиницистов в три этапа. Во-первых, они использовали нейронные сети, чтобы найти пять изображений сердца, которые важны для диагностики. Затем они снова использовали нейронные сети, чтобы решить, было ли каждое из этих представлений нормальным или нет. Затем третий алгоритм объединил результаты первых двух шагов, чтобы дать окончательный результат о том, было ли сердце плода нормальным или ненормальным.
«Мы надеемся, что эта работа произведет революцию в скрининге этих врожденных дефектов» , — сказал Арнаут, член Института вычислительных медицинских наук UCSF в Бакаре, Центра интеллектуальной визуализации UCSF и исследователь премии Chan Zuckerberg Biohub Intercampus Research Award. «Наша цель — помочь проложить путь к использованию машинного обучения для решения диагностических задач многих заболеваний, при проверке и диагностике которых используется ультразвук».
Загрузка...
