Новая система искусственного интеллекта может произвести революцию в диагностике клапанных пороков сердца

ИИ (искусственный интеллект) может звучать как холодная роботизированная система, но ученые столичного университета Осаки показали, что он может оказывать душевную или, точнее, «сердечную» поддержку. Они представили инновационное использование ИИ, которое классифицирует сердечные функции и выявляет пороки клапанов сердца с беспрецедентной точностью, демонстрируя постоянный прогресс в объединении областей медицины и технологий для улучшения ухода за пациентами. Результаты будут опубликованы в Ланцет Цифровое Здоровье.

Клапанная болезнь сердца, одна из причин сердечной недостаточности, часто диагностируется с помощью эхокардиографии. Однако этот метод требует специальных навыков, поэтому существует соответствующая нехватка квалифицированных технических специалистов. Между тем рентгенография органов грудной клетки является одним из наиболее распространенных тестов для выявления заболеваний, прежде всего легких. Несмотря на то, что сердце также видно на рентгенограммах грудной клетки, до сих пор мало что было известно о способности рентгенограмм грудной клетки обнаруживать сердечную функцию или заболевание. Рентгенограммы грудной клетки, или рентген грудной клетки, выполняются во многих больницах, и для их проведения требуется очень мало времени, что делает их очень доступными и воспроизводимыми. Соответственно, исследовательская группа во главе с доктором Дайдзю Уэда из отдела диагностической и интервенционной радиологии Высшей школы медицины Осакского столичного университета пришла к выводу, что если бы сердечная функция и заболевание могли быть определены по рентгенограммам грудной клетки, этот тест мог бы служить дополнение к эхокардиографии.

Команда доктора Уеды успешно разработала модель, использующую искусственный интеллект для точной классификации сердечных функций и пороков сердца по рентгенограммам грудной клетки. Поскольку ИИ, обученный на одном наборе данных, сталкивается с потенциальной предвзятостью, что приводит к низкой точности, команда нацелилась на данные из нескольких учреждений. Соответственно, в период с 2013 по 2021 год у 16 ​​946 пациентов в четырех учреждениях было получено в общей сложности 22 551 рентгенограмма грудной клетки, связанная с 22 551 эхокардиограммой. С рентгенограммами грудной клетки, установленными в качестве входных данных, и эхокардиограммами, установленными в качестве выходных данных, модель ИИ была обучена для изучения признаков, связывающих оба набора данных.

Модель ИИ смогла точно классифицировать шесть выбранных типов клапанных пороков сердца с площадью под кривой или AUC в диапазоне от 0,83 до 0,92. (AUC — это рейтинговый индекс, который указывает на возможности модели ИИ и использует диапазон значений от 0 до 1, чем ближе к 1, тем лучше.) AUC составляла 0,92 при 40% отсечке для обнаружения выброса левого желудочка. фракция – важная мера контроля сердечной функции.

«Нам потребовалось очень много времени, чтобы получить эти результаты, но я считаю, что это важное исследование», — заявил доктор Уэда. «Помимо повышения эффективности диагностики врачей, система также может быть использована в районах, где нет специалистов, в ночных экстренных случаях и для пациентов, которым трудно пройти эхокардиографию».