В новом концептуальном исследовании под руководством доктора Марка Уокера на медицинском факультете Университета Оттавы исследователи стали пионерами в использовании уникальной модели глубокого обучения на основе искусственного интеллекта в качестве вспомогательного инструмента для быстрого и точного считывания ультразвуковых изображений.
Это новаторская работа, потому что, хотя модели глубокого обучения становятся все более популярными при интерпретации медицинских изображений и выявлении заболеваний, выяснение того, как их применение может работать в акушерской ультрасонографии, находится на начальной стадии. В этой области было опубликовано несколько исследований с использованием ИИ.
Цель исследования группы состояла в том, чтобы продемонстрировать потенциал архитектуры глубокого обучения для поддержки раннего и надежного выявления кистозной гигромы с помощью ультразвукового сканирования в первом триместре. Кистозная гигрома — это эмбриональное состояние, при котором лимфатическая сосудистая система развивается ненормально. Это редкое и потенциально опасное для жизни заболевание, которое приводит к отеку жидкости вокруг головы и шеи.
Врожденный дефект обычно можно легко диагностировать пренатально во время УЗИ, но доктор Уокер и его исследовательская группа хотели проверить, насколько хорошо распознавание образов , управляемое искусственным интеллектом, может справиться с этой задачей. Выводы многообещающие.
Используя набор данных почти 300 УЗИ плода, собранных задним числом в больнице Оттавы, изображения были проанализированы с использованием модели DenseNet для правильного выявления случаев кистозной гигромы по сравнению с нормальным контролем путем расчета чувствительности, специфичности и других измерений. Тепловые карты активации класса градиента, которые визуализируют пиксели на изображениях, также были созданы для оценки интерпретируемости модели. Общая точность модели составила 93%.
«Модель была выдающейся, даже с небольшим количеством обучающих изображений. Таким образом, потенциально то, что мы продемонстрировали в области ультразвука, мы можем использовать те же инструменты для классификации и идентификации изображений с высокой чувствительностью и специфичностью . — говорит доктор Уокер.
Результаты были недавно опубликованы в PLOS ONE , рецензируемом журнале с открытым доступом.
Исследовательская группа под руководством Оттавы возлагает большие надежды на то, к чему могут привести исследования такого типа. Команда считает, что при дальнейшем развитии, включая тестирование в большом наборе данных из нескольких мест, их подход может быть применен к другим аномалиям плода , обычно выявляемым с помощью УЗИ.
В дальнейшем, по словам доктора Уокера, группа будет стремиться создать международный консорциум для загрузки акушерских ультразвуковых изображений в «облако» — эвфемизм для использования удаленных серверов для хранения данных и предоставления вычислительных услуг множеству пользователей. В конечном итоге это может помочь врачам в странах с низким и средним уровнем дохода добиться интерпретации и диагностики с помощью облачных технологий.
«Этот конкретный проект должен стать началом большой работы», — говорит д-р Уокер. «У нас есть несколько документов, чтобы последовать за этим».
Доктор Уокер — акушер-гинеколог и клинический эпидемиолог высокого риска, профессор и заместитель декана по интернационализации и глобальному здравоохранению на медицинском факультете Оттавы. Он является соучредителем исследовательской группы OMNI (акушерство, исследования матерей и новорожденных) в больнице Оттавы, крупнейшей исследовательской группы матерей и новорожденных в Канаде.
Среди его сотрудников над этой публикацией — лучшие научные сотрудники факультета медицины Университета Оттавы и Научно-исследовательского института больницы Оттавы (OHRI), где д-р Уокер является старшим научным сотрудником.
