Zabudnuté heslo?
Prihlásenie

Strojové učenie skenuje röntgenové snímky a predvída zlyhanie srdca

Strojové učenie skenuje röntgenové snímky a predvída zlyhanie srdca
Autor:
Roman Mališka
Zverejnené:
6. 10. 2020
Hodnotenie:
Už ste hlasovali.

Jeden zo spôsob, ako môžu lekári zistiť blížiace sa zlyhanie srdca, je detekcia prebytočnej tekutiny v pľúcach. Vedci z MIT teraz vyvinuli nový nástroj strojového učenia, ktorý im môže pomáhať. Algoritmus deteguje závažné prípady s vysokou úrovňou presnosti a toto riešenie by sa mohlo dať upraviť tak, aby pomáhalo aj pri iných diagnózach.

Výskum bol vykonaný v Laboratóriu počítačovej vedy a umelej inteligencie, pričom je súčasťou súboru ďalších sľubných nástrojov strojového učenia a umelej inteligencie, ktoré menia lekársku diagnózu. Vďaka sile moderného výpočtového systému sú tieto algoritmy schopné prehliadať lekárske snímky a spozorovať aj jemné, no zásadné zmeny, ktoré by lekári mohli prehliadnuť. To otvára niektoré zaujímavé možnosti.

Mohlo by to znamenať zachytenie prehliadnutých diagnóz rakoviny prostredníctvom CT snímok alebo detekciu príznakov Alzheimerovej choroby skôr, ako sa stanú viditeľnými pre lekárov. Umelá inteligencia sa dá použiť aj na analýzu výsledkov elektrokardiogramu, aby mohla pomôcť lekárom určiť pacientov, ktorí sú najviac ohrození srdcovým zlyhaním (identifikáciou dysfunkcie ľavej komory). Nový výskum vedcov z MIT je podobný, no zameriava sa na iný mechanizmus.

Lekári používajú röntgenové snímky pľúc na vyhodnotenie hromadenia tekutín u pacientov s rizikom srdcového zlyhania, pričom závažnosť ochorenia, známy ako „pľúcny edém“, určí priebeh liečby. Problémom je, že tieto hodnotenia sú často založené na tak jemných detailoch, že môžu viesť k nekonzistentným diagnózam a plánom liečby.

Vedci z MIT vyvinuli nový nástroj strojového učenia, ktorý hodnotí nahromadenie tekutín v pľúcach.

Aby bolo strojové učenie efektívne, tím natrénoval svoje algoritmy na viac ako 300 000 röntgenových snímkach a zodpovedajúcich správach napísaných rádiológmi. Zahŕňalo to aj vývoj určitých pravidiel jazyka, aby sa zabezpečilo, že údaje boli analyzované konzistentne zo všetkých vzoriek. Vďaka tomu dokáže model umelej inteligencie premeniť obrázky aj text na kompaktné číselné abstrakcie, z ktorých sa dá odvodiť interpretácia. Algoritmy boli vyškolené tak, aby sa minimalizovali rozdiely medzi reprezentáciami röntgenových snímok a textom rádiologických správ. Pomocou správ sa vylepšila interpretácia obrazu.

Počas testov dal tím algoritmu strojového učenia analyzovať jednotlivé röntgenové snímky a klasifikovať závažnosť edému v rozsahu od 0 (zdravý) až do 3 (veľmi, veľmi zlý). Algoritmus bol schopný diagnostikovať správnu hladinu edému viac ako polovicu času, no pôsobivejšie bolo to, že bol schopný presne diagnostikovať prípady úrovne 3 až v 90 percentách času testovania.

Vedci dúfajú, že tento nástroj môže pomôcť lekárom lepšie zvládať problémy so srdcom, no opuchy súvisia s rôznymi stavmi, vrátane sepsy a zlyhania obličiek, takže potenciál algoritmu môže byť široký. Tím v súčasnosti pracuje na integrácii nástroja na pohotovosti v zdravotníckom centre Beth Israel Deaconess Medical Center v Bostone, kde by sa mohol začať využívať v najbližších niekoľkých mesiacoch.

Nový algoritmus strojového učenia je schopný klasifikovať závažné prípady pľúcneho edému s vysokou presnosťou.