Исследователи из Метропольного университет Осаки разработали ИИ-модель, которая превращает классическую рентгенографию органов грудной клетки в мощный инструмент для диагностики заболеваний сердца. По словам учёных, этот инновационный подход применим для быстрой и точной оценки состояния сердца.

Рентген органов грудной клетки – одно из самых часто производимых радиологических исследований в мире. Это быстрое и простое для пациента исследование служит одним из самых распространённых методов диагностики заболеваний сердца и лёгких. Впрочем, поскольку продуктом рентгенографии является статичное изображение органов грудной клетки, оно не может обеспечить медиков всем объёмом информации, необходимым для анализа функции сердца. Для этого необходимо производить эхокардиографию – ультразвуковое исследование, которое позволяет оценить, насколько эффективно сердце справляется с перекачиванием крови. Если какие-либо элементы органа работают с нарушениями либо не выполняют свою работу в полном объёме, сердце претерпевает чрезмерные нагрузки для компенсации патологии, что может привести к ещё более серьёзным проблемам, включая сердечную недостаточность, внезапную остановку сердца и т. п. Однако проведение продуктивной эхокардиографии требует наличия специализированного оборудования и современных навыков УЗД у специалиста.

Учёные из Метропольного университет Осаки решили научить ИИ трансформировать статичные рентгеновские снимки в нечто близкое к результатам эхокардиографии для формирования более детальных выводов о функции сердца. Глубинное обучение – это процесс, используемый ИИ для обработки данных способом, имитирующим деятельность головного мозга человека. Модели ИИ распознают сложные паттерны на основе изображений, текста, звуков и прочих данных для генерирования точных определений и прогнозов по обрабатываемой ситуации. Японские исследователи натренировали модель на основе 22551 результата рентгенографии грудной клетки и 22551 результата эхокардиографии, полученных в процессе обследования 16946 пациентов в 4 медицинских учреждениях в период с 2013 по 2021 год. Столь разрозненная база данных была необходима для того, чтобы уменьшить риск выдачи ИИ необъективных результатов.

Рентгеновские снимки служили входными данными, а результаты эхокардиографии – выходными. Таким образом, задача искусственного интеллекта заключалась в поиске закономерностей между входными и выходными данными. В рамках тестов модели учёные пришли к выводу, что на данном этапе развития ИИ-система уже может достаточно точно выявлять 6 типов приобретённых пороков сердца, обусловленных морфологическими и/или функциональными изменениями одного или нескольких его клапанов. По ROC-кривой (так называемой кривой ошибок) метод ИИ-классификации работает с точностью в диапазоне от 0,83 до 0,92. Значение на уровне 0,5 говорит о непригодности методики, и чем ближе оно к единице, тем лучше. К примеру, алгоритм фиксировал нарушения нормы фракции выброса левого желудочка с точностью 0,92: это показатель является самым информативным, доступным и безопасным методом оценки функции ЛЖ в рутинной практике. Исследователи считают, что их методика может служить условным заменителем эхокардиографии в случаях, когда необходима быстрая постановка диагноза, а нужного оборудования или специалиста нет в наличии.

По словам ведущего автора исследования Даидзю Уэды, его команда очень долго работала над совершенствованием ИИ-модели, чтобы наконец получить достаточно надёжные и внушающие уверенность результаты. Учёные полагают, что подобный инструмент станет отличным дополнением в диагностическом арсенале медиков. Кроме того, система пригодится в чрезвычайных ситуациях, когда не представляется возможным произвести традиционное эхокардиографическое исследование, в том числе в случае пациентов, у которых проведение эхо может быть затруднено.