Modely AI zlepšujú presnosť diagnostiky ochorenia koronárnych artérií

Modely AI zlepšujú presnosť diagnostiky ochorenia koronárnych artérií

Niekoľko nedávnych objavov ukazuje, že presnosť diagnostiky ochorenia koronárnych artérií a predpovedanie rizika pre pacienta sa zlepšuje pomocou modelov umelej inteligencie (AI), ktoré vyvinuli vedci z Divízie umelej inteligencie v medicíne v Cedars-Sinai.

Tieto pokroky pod vedením Piotra Slomku, PhD,Riaditeľ pre inovácie v zobrazovaní v Cedars-Sinai a vedecký pracovník v divízii umelej inteligencie v medicíne a Smidt Heart Institute uľahčujú detekciu a diagnostiku jednej z najbežnejších a smrteľných srdcových chorôb.

Ochorenie koronárnych artérií postihuje tepny, ktoré zásobujú krvou srdcový sval. Ak sa nelieči, môže viesť k infarktu alebo iným komplikáciám, ako sú srdcové arytmie alebo srdcové zlyhanie.

Tento stav, ktorý postihuje približne 16,3 milióna Američanov vo veku 20 rokov a starších, sa bežne diagnostikuje pomocou jednofotónovej emisnej počítačovej tomografie (SPECT) a počítačovej tomografie (CT). Obrázky vytvorené skenovaním však nie sú vždy ľahko čitateľné.

„Pokračujeme v dokazovaní, že AI môže zlepšiť kvalitu obrázkov a odhaliť viac informácií, čo vedie k presnejším diagnostikám chorôb,“ povedal Slomka, ktorý je tiež profesorom medicíny a kardiológie a hlavným autorom troch nedávno publikovaných štúdií využívajúcich AI na zlepšenie zobrazovania srdca.

Používanie AI na zlepšenie zobrazovania srdca

Prvá štúdia, publikovaná v Journal of Nuclear Medicine, využíva technológiu AI na zobrazovanie srdca, čím pomáha zlepšiť diagnostickú presnosť zobrazovania SPECT pre ochorenie koronárnych artérií prostredníctvom pokročilých korekcií obrazu.

Korekcia útlmu je dôležitá pri zobrazovaní SPECT, pomáha redukovať artefakty v srdcových obrazoch a robí ich ľahšie čitateľnými a presnejšími. Vyžaduje si to však dodatočné CT vyšetrenie a drahé hybridné SPECT/CT prístroje, čo sú v podstate dva skenery v jednom.

Hoci sa ukázalo, že korekcia útlmu CT zlepšuje diagnostiku ochorenia koronárnych artérií, v súčasnosti sa vykonáva len na menšine skenov z dôvodu dodatočného času skenovania, žiarenia a obmedzenej dostupnosti tejto drahej technológie.

Na prekonanie týchto prekážok vyvinul Slomka a jeho tím model hlbokého učenia s názvom DeepAC na generovanie opravených SPECT obrázkov bez potreby drahých hybridných skenerov. Tieto obrázky sú generované technikami AI podobnými tým, ktoré sa používajú na generovanie „hlboko falošných“ videí a môžu simulovať vysokokvalitné obrázky získané z hybridných SPECT/CT skenerov.

Tím porovnal diagnostickú presnosť ochorenia koronárnych artérií s nekorigovanými snímkami SPECT, ktoré sa dnes používajú na väčšine miest, pokročilými hybridnými snímkami SPECT/CT a novými snímkami s korekciou AI v neviditeľných údajoch z centier, ktoré sa nikdy nepoužili pri tréningu DeepAC.

Zistili, že AI vytvorila obrázky, ktoré boli takmer rovnakej kvality a umožňovali podobnú diagnostickú presnosť ako tie, ktoré boli získané pomocou drahších skenerov.

Tento model AI bol schopný generovať snímky DeepAC v zlomkoch sekundy na štandardnom počítačovom softvéri a mohol byť jednoducho implementovaný do klinických pracovných postupov ako automatizovaný krok predspracovania.

Piotr Slomka, PhD,Riaditeľ Imaging Innovation, Cedars-Sinai

Predpovedanie závažných nežiaducich srdcových príhod

V druhej štúdii publikovanej v Journal of American College of Cardiology: Cardiovascular Imaging tím ukázal, že AI s hlbokým učením umožňuje predpovedať závažné nepriaznivé srdcové udalosti, ako je smrť a srdcový infarkt, priamo zo snímok SPECT.

Vyšetrovatelia trénovali model AI pomocou veľkej nadnárodnej databázy, ktorá zahŕňala päť rôznych miest s viac ako 20 000 skenmi pacientov. Obsahoval obrázky zobrazujúce srdcovú perfúziu a pohyb každého pacienta.

Model AI poskytuje lekárom vizuálne vysvetlenia a zvýrazňuje obrázky s oblasťami, ktoré prispievajú k vysokému riziku nežiaducich udalostí.

Tím potom testoval model AI na dvoch rôznych miestach s viac ako 9 000 skenmi. Zistili, že model hlbokého učenia predpovedal riziko pacienta presnejšie ako softvérové ​​programy, ktoré sa v súčasnosti používajú na klinike.

„V prvej štúdii sme dokázali, že dôležité korekcie obrazu je možné vykonať pomocou AI bez drahých skenerov,“ hovorí Slomka. "Po druhé, ukazujeme, že existujúce obrázky možno lepšie využiť - pomocou obrázkov predpovedať pacientovo riziko srdcového infarktu alebo úmrtia a zvýrazniť srdcové funkcie, ktoré naznačujú toto riziko - na lepšie informovanie lekárov o koronárnej chorobe srdca."

„Tieto výsledky predstavujú dôkaz princípu toho, ako môže AI zlepšiť klinickú diagnostiku,“ povedal Sumeet Chugh, MD, riaditeľ divízie umelej inteligencie v medicíne. "Vylepšenia SPECT zobrazovania založené na AI majú potenciál zlepšiť presnosť diagnostiky ischemickej choroby srdca, pričom sa vykonávajú podstatne rýchlejšie a lacnejšie ako súčasné štandardy."

Zníženie zaujatosti v modeloch AI

Tretia štúdia publikovaná v European Journal of Nuclear Medicine and Molecular Imaging popisuje, ako možno systém AI vycvičiť, aby dobre fungoval vo všetkých použiteľných populáciách – nielen v populácii, pre ktorú bol systém trénovaný.

Niektoré systémy AI sú trénované na vysoko rizikových populáciách pacientov, čo môže spôsobiť, že systémy nadhodnotia pravdepodobnosť ochorenia. Aby sa zabezpečilo, že model AI bude fungovať presne pre všetkých pacientov a zníži zaujatosť, Slomka a jeho tím trénovali systém AI so simulovanými variáciami pacientov. Tento proces, nazývaný augmentácia údajov, pomáha lepšie odrážať kombináciu pacientov, u ktorých sa očakáva, že podstúpia zobrazovacie testy.

Zistili, že modely trénované s vyváženou zmesou pacientov presnejšie predpovedali pravdepodobnosť ochorenia koronárnych artérií u žien a pacientov s nízkym rizikom, čo potenciálne vedie k menej invazívnemu testovaniu a presnejšej diagnóze u žien.

Modely tiež viedli k menšiemu počtu falošne pozitívnych výsledkov, čo naznačuje, že systém môže byť schopný znížiť počet testov, ktoré pacient podstúpi, aby vylúčil ochorenie.

„Výsledky naznačujú, že zlepšenie tréningových údajov je rozhodujúce pre zabezpečenie toho, aby predpovede AI lepšie odrážali populáciu, na ktorú sa v budúcnosti použijú,“ povedal Slomka.

Výskumníci teraz hodnotia tieto nové prístupy AI v Cedars-Sinai a skúmajú, ako by sa dali integrovať do klinického softvéru a použiť v štandardnej starostlivosti o pacientov.

Výskum čiastočne podporil Národný inštitút srdca, pľúc a krvi.

Zdroj:

Cedars Sinaj

Referencia:

Shanbhag, AD, a kol. (2022) Korekcia útlmu založená na hĺbkovom učení zlepšuje diagnostickú presnosť srdcového SPECT. Journal of Nuclear Medicine. doi.org/10.2967/jnumed.122.264429.

.