Kardiologit kouluttivat suuren tekoälymallin arvioimaan sydämen rakennetta ja toimintaa
Viimeksi tarkistettu: 14.06.2024
Kaikki iLive-sisältö tarkistetaan lääketieteellisesti tai se tarkistetaan tosiasiallisen tarkkuuden varmistamiseksi.
Meillä on tiukat hankintaohjeet ja vain linkki hyvämaineisiin mediasivustoihin, akateemisiin tutkimuslaitoksiin ja mahdollisuuksien mukaan lääketieteellisesti vertaisarvioituihin tutkimuksiin. Huomaa, että suluissa ([1], [2] jne.) Olevat numerot ovat napsautettavia linkkejä näihin tutkimuksiin.
Jos sinusta tuntuu, että jokin sisältö on virheellinen, vanhentunut tai muuten kyseenalainen, valitse se ja paina Ctrl + Enter.
Tekoälyasiantuntijat Cedars-Sinaista ja Smidt Heart Institutesta loivat yli miljoonan sydämen kaikukuvauksen (sydämen videoultraäänikuvan) ja niitä vastaavien kliinisten tulkintojen sisältävän tietojoukon. Tämän tietokannan avulla he kehittivät EchoCLIPin, tehokkaan koneoppimisalgoritmin, joka voi "tulkkia" sydämen kaikukuvat ja arvioida avainindikaattoreita.
EchoCLIP:n suunnittelu ja arviointi, joka on kuvattu artikkelissa, joka on julkaistu Nature Medicine -julkaisussa, viittaa siihen, että potilaan sydämen kaikukuvan tulkinta EchoCLIP:n avulla tarjoaa asiantuntijatason kliinisiä arviointeja, mukaan lukien sydämen toiminnan, aiempien leikkausten ja implantoitujen laitteiden tulosten arviointi, ja se voi myös auttaa lääkäreitä tunnistamaan hoidon tarpeessa olevat potilaat.
EchoCLIP-perusmalli voi myös tunnistaa saman potilaan useista videoista, tutkimuksista ja aikapisteistä ja tunnistaa kliinisesti tärkeät muutokset potilaan sydämessä.
"Tietojemme mukaan tämä on suurin malli, joka on koulutettu kaikukardiografiakuviin", sanoi tutkimuksen johtava kirjoittaja David Ouyang, MD, kardiologiaosaston tiedekunnan jäsen. Smidt Heart Institute ja lääketieteen tekoälyn osasto.
"Monet aiemmat kaikututkimusten tekoälymallit on opetettu vain kymmenien tuhansien esimerkkien perusteella. Sitä vastoin EchoCLIPin ainutlaatuisen korkea suorituskyky kuvan tulkinnassa on tulosta lähes kymmenen kertaa suuremman datan koulutuksesta kuin olemassa olevat mallit."
"Tuloksemme osoittavat, että suuret, vertaisarvioidut lääketieteelliset kuvantamis- ja tulkintatietojoukot voivat toimia perustana lääketieteellisten perusmallien koulutukselle, jotka ovat generatiivisen tekoälyn muoto", Ouyang lisäsi.
EchoCLIP-työnkulku. Lähde: Nature Medicine (2024). DOI: 10.1038/s41591-024-02959-y
Hän totesi, että tämä kehittynyt perusmalli voisi pian auttaa kardiologeja arvioimaan kaikukäyrät luomalla alustavia arvioita sydämen mittauksista, tunnistamalla ajan kuluessa tapahtuvia muutoksia ja yleisiä sairauksia.
Tutkijaryhmä loi 1 032 975 sydämen ultraäänivideota ja niihin liittyviä asiantuntijatulkintoja sisältävän tietojoukon EchoCLIPin kehittämiseksi. Tutkimuksen tärkeimmät tulokset ovat:
- EchoCLIP on osoittanut erinomaisen suorituskyvyn sydämen toiminnan arvioinnissa sydänkuvista.
- Perusmalli pystyi tunnistamaan implantoidut sydämensisäiset laitteet, kuten sydämentahdistimet, implantoidut mitraali- ja aorttaläpät sydämen kaikukuvasta.
- EchoCLIP tunnisti tarkasti yksittäiset potilaat eri tutkimuksissa, tunnisti kliinisesti tärkeitä muutoksia, kuten aiemman sydänleikkauksen, ja mahdollisti alustavien tekstitulkintojen kehittämisen sydämen kaikukuvauksista.
"Perusmallit ovat yksi generatiivisen tekoälyn uusimmista alueista, mutta useimmilla malleilla ei ole tarpeeksi lääketieteellistä tietoa, jotta ne olisivat hyödyllisiä terveydenhuollossa", sanoi Christina M. Albert, MD, MPH, kardiologian osaston puheenjohtaja. Smidt Heart Institute.
Albert, joka ei osallistunut tutkimukseen, lisäsi: "Tämä uusi perusmalli integroi tietokonenäön sydämen kaikukuvan tulkinnassa luonnollisen kielen käsittelyyn kardiologien tulkintojen parantamiseksi."