Kardiologi apmācīja lielu AI modeli, lai novērtētu sirds struktūru un funkcijas
Pēdējā pārskatīšana: 14.06.2024
Visi iLive saturs ir medicīniski pārskatīts vai pārbaudīts, lai nodrošinātu pēc iespējas lielāku faktisko precizitāti.
Mums ir stingras iegādes vadlīnijas un tikai saikne ar cienījamiem mediju portāliem, akadēmiskām pētniecības iestādēm un, ja vien iespējams, medicīniski salīdzinošiem pārskatiem. Ņemiet vērā, ka iekavās ([1], [2] uc) esošie numuri ir klikšķi uz šīm studijām.
Ja uzskatāt, ka kāds no mūsu saturiem ir neprecīzs, novecojis vai citādi apšaubāms, lūdzu, atlasiet to un nospiediet Ctrl + Enter.
Mākslīgā intelekta eksperti no Cedars-Sinai un Smidt Heart Institute izveidoja datu kopu, kurā ir vairāk nekā 1 miljons ehokardiogrammu (sirds video ultraskaņas) un to atbilstošās klīniskās interpretācijas. Izmantojot šo datu bāzi, viņi izstrādāja EchoCLIP — jaudīgu mašīnmācīšanās algoritmu, kas var “interpretēt” ehokardiogrammas attēlus un novērtēt galvenos rādītājus.
EchoCLIP dizains un novērtējums, kas aprakstīts rakstā, kas publicēts sadaļā Nature Medicine, liecina, ka pacienta ehokardiogrammas interpretācija, izmantojot EchoCLIP, nodrošina speciālistu līmeņa klīniskos novērtējumus, tostarp sirds funkcijas, iepriekšējo operāciju un implantēto ierīču rezultātu novērtējums, kā arī var palīdzēt ārstiem noteikt pacientus, kuriem nepieciešama ārstēšana.
Pamata EchoCLIP modelis var arī identificēt vienu un to pašu pacientu vairākos video, izmeklējumos un laika punktos, kā arī atpazīt klīniski nozīmīgas izmaiņas pacienta sirdī.
"Cik mums zināms, šis ir lielākais modelis, kas apmācīts ehokardiogrāfijas attēliem," sacīja pētījuma vadošais autors Deivids Oujans, MD, Kardioloģijas nodaļas mācībspēks. Smita Sirds institūts un Mākslīgā intelekta nodaļa medicīnā.
"Daudzi iepriekšējie ehokardiogrammu mākslīgā intelekta modeļi ir apmācīti, izmantojot tikai desmitiem tūkstošu piemēru. Turpretim EchoCLIP unikāli augstā veiktspēja attēlu interpretācijā ir rezultāts, kas apmācīts gandrīz desmit reizes vairāk datu nekā esošie modeļi."
"Mūsu rezultāti liecina, ka lielas, salīdzinoši pārskatītas medicīniskās attēlveidošanas un interpretācijas datu kopas var kalpot par pamatu pamata medicīnas modeļu apmācībai, kas ir ģeneratīvā mākslīgā intelekta veids," piebilda Oujans.
EchoCLIP darbplūsma. Avots: Dabas medicīna (2024). DOI: 10.1038/s41591-024-02959-y
Viņš atzīmēja, ka šis uzlabotais bāzes modelis drīzumā varētu palīdzēt kardiologiem novērtēt ehokardiogrammas, ģenerējot provizoriskus sirds mērījumu aprēķinus, nosakot laika gaitā izmaiņas un izplatītākās slimības.
Pētnieku grupa izveidoja datu kopu, kurā bija 1 032 975 sirds ultraskaņas video un ar tiem saistītās ekspertu interpretācijas, lai izstrādātu EchoCLIP. Galvenie pētījuma rezultāti ir šādi:
- EchoCLIP ir pierādījis augstu veiktspēju, novērtējot sirds funkciju no sirds attēliem.
- Pamatmodelis varēja identificēt implantētas intrakardiālas ierīces, piemēram, elektrokardiostimulatorus, implantētus mitrālos un aortas vārstus no ehokardiogrammas attēliem.
- EchoCLIP pētījumos precīzi identificēja unikālus pacientus, identificēja klīniski nozīmīgas izmaiņas, piemēram, iepriekšējo sirds operāciju, un ļāva izstrādāt ehokardiogrammas attēlu sākotnējās teksta interpretācijas.
"Pamatmodeļi ir viena no jaunākajām jomām ģeneratīvā AI jomā, taču lielākajai daļai modeļu nav pietiekami daudz medicīnisku datu, lai tie būtu noderīgi veselības aprūpē," sacīja Kristīna M. Alberta, MD, MPH, Kardioloģijas nodaļas vadītāja. Smita Sirds institūts.
Alberts, kurš nebija iesaistīts pētījumā, piebilda: "Šis jaunais bāzes modelis integrē datora redzi ehokardiogrammas attēlu interpretācijai ar dabiskās valodas apstrādi, lai uzlabotu kardiologu interpretācijas."