Сегмент истины: ИИ диагностирует фиброз сердца за минуты
Российские специалисты создали систему на основе искусственного интеллекта, которая способна выявлять фиброз сердца с помощью анализа данных МРТ. Сейчас эту кропотливую работу медики выполняют вручную, и на диагностику одного пациента может уходить до двух часов. Новая технология позволяет делать это автоматически всего за несколько минут. Причем с такой же, как у человека, точностью. По словам экспертов, разработка заметно облегчит труд врачей и ускорит процесс выбора того или иного лечения, что очень важно, когда речь идет о заболеваниях сердца.
Нейросеть для диагностики фиброза
Специалисты ИТМО вместе с коллегами из Национального медицинского исследовательского центра им. В.А. Алмазова обучили искусственный интеллект диагностировать фиброз сердца по снимкам МРТ. Для этого они разработали алгоритм, который делит изображение органа на сегменты, а затем определяет расположение и количество рубцовой ткани. Разработка освободит врачей от сложной работы и ускорит подбор наиболее эффективной стратегии лечения заболеваний сердца.
Екатерина Бруй, руководитель проекта, старший научный сотрудник физического факультета ИТМО
Фиброз сердца — разрастание рубцовой ткани, которое может возникнуть после инфаркта миокарда или инфекционных заболеваний. Один из методов его диагностики — магнитно-резонансная томография. Однако на морфометрию, то есть точное измерение объема фиброза, рентгенологи вынуждены тратить много времени: они вручную определяют примерный процент фиброзной ткани в том или ином сегменте сердца и заносят эту информацию в таблицу для построения 17-сегментной диаграммы. В среднем обработка одной серии снимков врачом занимает от одного до двух часов на одного пациента. ИИ сделает это всего за несколько минут, рассказали «Известиям» разработчики.
— В предложенном алгоритме пользователю нужно только отметить несколько точек на изображении сердца и классифицировать срезы, а сегментация тканей и генерация 17-сегментной диаграммы полностью автоматизированы. Сейчас мы работаем над улучшением нашего метода и разрабатываем более быстрый, полностью автоматический алгоритм, который будет способен анализировать снимки мгновенно без вмешательства пользователя, — сказал основной
исполнитель проекта, научный сотрудник ИТМО Валид Аль-Хайдри.
Попытки автоматизировать обработку снимков с помощью нейросетей предпринимались и ранее. Однако существующие модели достаточно неточные и трудозатратные — они требуют ручного или полуавтоматического выделения области фиброза, то есть присутствия рентгенолога. Поэтому задача автоматизировать генерацию 17-сегментных диаграмм сердца на основе МРТ-изображения остается актуальной.
Предложенная учеными модель на основе глубокого обучения решает ее поэтапно: сначала определяет область сердца, в которой находится миокард, затем выявляет наличие фиброза, распознает 17 сегментов, на которые принято делить сердце, и оценивает объем фиброза в каждом из них.
ИИ для анализа достаточно снимка сердца в одной проекции, в то время как врачам может понадобиться несколько снимков в разных проекциях, а значит и больше времени на МРТ-исследование и его анализ. Нейросеть обучили на изображениях сердца, размеченных экспертами вручную, а также базе данных из постинфарктных МРТ-снимков этого органа. Выборка пациентов, чьи снимки были использованы, составила 250 человек.
Разработчики добились точности, при которой результат алгоритма совпадает с мнениями двух экспертов в 86 и 77% случаев. Авторы считают это высоким показателем: обычно межэкспертное согласие составляет порядка 80%, то есть модель работает практически на уровне человека.
— Мы не просто берем большие наборы данных и обучаем на них нейросеть выполнять рутинную работу — мы предлагаем врачам инструмент, который сможет решать сложные задачи на уровне опытного специалиста и позволит получать больше информации о связи локализации фиброза с другими параметрами сердца, — сказала руководитель проекта, старший научный сотрудник физического факультета ИТМО Екатерина Бруй.
Быстрый и объективный результат анализа
На основе данных о локализации и количестве фиброза врачи смогут быстро и точно прогнозировать осложнения для функции сердца и исходы заболеваний, в динамике наблюдать состояние сердца и разрабатывать более эффективную стратегию лечения. В перспективе алгоритм можно использовать не только для обработки МРТ-снимков, но и адаптировать для изображений, получаемых с помощью компьютерной томографии, уверены разработчики.
— Сегодня технологии искусственного интеллекта активно внедряются в различные медицинские направления. Одно из них — лучевая диагностика, а именно обработка рентгенологических изображений, данных компьютерной томографии и магнитно-резонансной томографии. Задача ИИ — не только облегчить работу врача, но и улучшить качество диагностики. Именно на это направлена разработка. Это, безусловно, важно и перспективно, — сказала директор Института клинической медицины ННГУ им. Н.И. Лобачевского Наталья Григорьева.
У медиков существует запрос на уменьшение времени обработки данных и на их стандартизацию. Разработка направлена на это, пояснил «Известиям» заведующий отделением, врач-рентгенолог Клинико-диагностического центра РУДН, старший преподаватель кафедры факультетской хирургии Медицинского института РУДН Дмитрий Пихута.
— Исследователи использовали два метода сегментации зон фиброза миокарда. В первом случае врач подготавливал исследование для анализа нейросетью: вручную убирались все структуры, не относящиеся к желудочку сердца, определялись границы желудочка и его центр. ИИ анализировал лишь наличие или отсутствие зон фиброза в представленной зоне. Во втором случае все этапы выполнялись набором нейросетей. В первом случае результаты были более точные. Это говорит от том, что подобная технология пока недостаточно развита, чтобы без участия человека давать точные данные, — сказал Дмитрий Пихута.
Однако по мере развития и совершенствования данная технология займет свое место среди систем поддержки принятия решения врача, добавил специалист.
По мнению заведующего кафедрой пропедевтической терапии с курсом кардиологии СамГМУ, главного кардиолога Самарской области Дмитрия Дуплякова, предложенная система очень полезна, так как позволяет оценить степень выраженности фиброза, которая прямо коррелирует с уровнем сердечной недостаточности. Благодаря ей будет проще прогнозировать состояние пациента и его динамику. Второе преимущество — это скорость, а в случае сердечно-сосудистых заболеваний — это критически важный фактор, резюмировал он.
Исследование поддержано Российским научным фондом (РНФ).
