Οι καρδιολόγοι εκπαίδευσαν ένα μεγάλο μοντέλο AI για να αξιολογήσουν τη δομή και τη λειτουργία της καρδιάς
Τελευταία επισκόπηση: 14.06.2024
Όλα τα περιεχόμενα του iLive ελέγχονται ιατρικά ή ελέγχονται για να διασφαλιστεί η όσο το δυνατόν ακριβέστερη ακρίβεια.
Έχουμε αυστηρές κατευθυντήριες γραμμές προμήθειας και συνδέουμε μόνο με αξιόπιστους δικτυακούς τόπους πολυμέσων, ακαδημαϊκά ερευνητικά ιδρύματα και, όπου είναι δυνατόν, ιατρικά επισκοπικά μελέτες. Σημειώστε ότι οι αριθμοί στις παρενθέσεις ([1], [2], κλπ.) Είναι σύνδεσμοι με τις οποίες μπορείτε να κάνετε κλικ σε αυτές τις μελέτες.
Εάν πιστεύετε ότι κάποιο από το περιεχόμενό μας είναι ανακριβές, παρωχημένο ή αμφισβητήσιμο, παρακαλώ επιλέξτε το και πατήστε Ctrl + Enter.
Εμπειρογνώμονες τεχνητής νοημοσύνης από το Cedars-Sinai και το Ινστιτούτο Καρδιάς Smidt δημιούργησαν ένα σύνολο δεδομένων με περισσότερα από 1 εκατομμύριο ηχοκαρδιογραφήματα (βίντεο υπερήχων καρδιάς) και τις αντίστοιχες κλινικές ερμηνείες τους. Χρησιμοποιώντας αυτήν τη βάση δεδομένων, ανέπτυξαν τον EchoCLIP, έναν ισχυρό αλγόριθμο μηχανικής μάθησης που μπορεί να «ερμηνεύσει» εικόνες ηχοκαρδιογραφήματος και να αξιολογήσει βασικούς δείκτες.
Ο σχεδιασμός και η αξιολόγηση του EchoCLIP, που περιγράφεται σε μια εργασία που δημοσιεύτηκε στο Nature Medicine, υποδηλώνει ότι η ερμηνεία του ηχοκαρδιογραφήματος ενός ασθενούς χρησιμοποιώντας το EchoCLIP παρέχει κλινικές αξιολογήσεις σε επίπεδο ειδικού, συμπεριλαμβανομένων αξιολόγηση της λειτουργίας της καρδιάς, αποτελέσματα προηγούμενων χειρουργικών επεμβάσεων και εμφυτευμένων συσκευών και μπορεί επίσης να βοηθήσει τους γιατρούς να εντοπίσουν ασθενείς που χρειάζονται θεραπεία.
Το βασικό μοντέλο EchoCLIP μπορεί επίσης να αναγνωρίσει τον ίδιο ασθενή σε πολλά βίντεο, εξετάσεις και χρονικά σημεία και να αναγνωρίσει κλινικά σημαντικές αλλαγές στην καρδιά του ασθενούς.
"Από όσο γνωρίζουμε, αυτό είναι το μεγαλύτερο μοντέλο που έχει εκπαιδευτεί σε εικόνες υπερηχοκαρδιογραφίας", δήλωσε ο επικεφαλής συγγραφέας της μελέτης David Ouyang, MD, μέλος του τμήματος Καρδιολογίας στο το Ινστιτούτο Καρδιάς Smidt και το Τμήμα Τεχνητής Νοημοσύνης στην Ιατρική.
"Πολλά προηγούμενα μοντέλα τεχνητής νοημοσύνης για υπερηχοκαρδιογραφήματα εκπαιδεύονται μόνο σε δεκάδες χιλιάδες παραδείγματα. Αντίθετα, η μοναδικά υψηλή απόδοση του EchoCLIP στην ερμηνεία εικόνων είναι το αποτέλεσμα της εκπαίδευσης σε σχεδόν δέκα φορές περισσότερα δεδομένα από τα υπάρχοντα μοντέλα."
"Τα αποτελέσματά μας δείχνουν ότι μεγάλα, αξιολογημένα από ομοτίμους σύνολα δεδομένων ιατρικής απεικόνισης και ερμηνείας μπορούν να χρησιμεύσουν ως βάση για την εκπαίδευση βασικών ιατρικών μοντέλων, τα οποία είναι μια μορφή γενετικής τεχνητής νοημοσύνης", πρόσθεσε ο Ouyang.
Ροή εργασιών EchoCLIP. Πηγή: Nature Medicine (2024). DOI: 10.1038/s41591-024-02959-y
Σημείωσε ότι αυτό το προηγμένο βασικό μοντέλο θα μπορούσε σύντομα να βοηθήσει τους καρδιολόγους να αξιολογήσουν τα ηχοκαρδιογραφήματα δημιουργώντας προκαταρκτικές εκτιμήσεις των καρδιακών μετρήσεων, εντοπίζοντας αλλαγές με την πάροδο του χρόνου και κοινές ασθένειες.
Η ερευνητική ομάδα δημιούργησε ένα σύνολο δεδομένων με 1.032.975 βίντεο υπερήχων καρδιάς και σχετικές ερμηνείες ειδικών για την ανάπτυξη του EchoCLIP. Τα βασικά ευρήματα από τη μελέτη περιλαμβάνουν:
- Το EchoCLIP έχει επιδείξει υψηλή απόδοση στην αξιολόγηση της καρδιακής λειτουργίας από καρδιακές εικόνες.
- Το βασικό μοντέλο ήταν σε θέση να αναγνωρίσει εμφυτευμένες ενδοκαρδιακές συσκευές, όπως βηματοδότες, εμφυτευμένες μιτροειδείς και αορτικές βαλβίδες από εικόνες ηχοκαρδιογραφήματος.
- Το EchoCLIP εντόπισε με ακρίβεια μοναδικούς ασθενείς σε όλες τις μελέτες, εντόπισε κλινικά σημαντικές αλλαγές όπως προηγούμενες καρδιοχειρουργικές επεμβάσεις και επέτρεψε την ανάπτυξη προκαταρκτικών ερμηνειών κειμένου εικόνων ηχοκαρδιογραφήματος.
"Τα βασικά μοντέλα είναι ένας από τους νεότερους τομείς στη γενετική τεχνητή νοημοσύνη, αλλά τα περισσότερα μοντέλα δεν έχουν αρκετά ιατρικά δεδομένα για να είναι χρήσιμα στην υγειονομική περίθαλψη", δήλωσε η Christina M. Albert, MD, MPH, πρόεδρος του Τμήματος Καρδιολογίας στο Smidt Heart Institute.
Ο Albert, ο οποίος δεν συμμετείχε στη μελέτη, πρόσθεσε: "Αυτό το νέο βασικό μοντέλο ενσωματώνει την όραση υπολογιστή για την ερμηνεία της εικόνας του ηχοκαρδιογραφήματος με την επεξεργασία φυσικής γλώσσας για να βελτιώσει τις ερμηνείες των καρδιολόγων."