Программный комплекс с глубоким обучением для обучения получению срезов ЭхоКГ на реальных пациентах в реальном времени

    По данным публикации в журнале Кардиология Jama (Jama Cardiology) за февраль 2021г. - Utility of a Deep-Learning Algorithm to Guide Novices to Acquire Echocardiograms for Limited Diagnostic Use / Полезность алгоритма глубокого обучения для контроля новичков при получении эхокардиограмм для ограниченного диагностического использования - внешняя ссылка

    В последние годы для анализа медицинских изображений применяется искусственный интеллект (ИИ), но ИИ для управления получением ультразвуковых изображений - это новая область применения. Новый алгоритм глубокого обучения (ГО), обученный на более чем 5 миллионах примеров результатов движения ультразвукового датчика по качеству изображения, может обеспечить в режиме реального времени оценку начинающих специалистов по УЗД при получении ими конкретных диагностических трансторакальных эхокардиографических срезов.

    Целью данной работы было проверить, можно ли научить с помощью этого программного обеспечения(ПО) на основе ГО начинающих специалистов по УЗД получать 10 основых срезов трансторакальной ЭхоКГ хорошего качества.

    Это проспективное многоцентровое диагностическое исследование проводилось в 2 академических больницах. Была набрана когорта из 8 медсестер(*На западе изображения ЭхоКГ, как и УЗИ, в основом получает средний медперсонал, по аналогии с нашими рентгенолаборантами), которые ранее не проводили ЭхоКГ, и прошли обучение с использованием искусственного интеллекта. Каждая медсестра просканировала 30 пациентов в возрасте не менее 18 лет, которым была назначена ЭхоКГ по клиническим показаниям в Северо-западной Мемориальной больнице или Миннеаполисском кардиологическом институте в период с марта по май 2019 года. Эти сканирования сравнивались с результатами сканирования, полученными сонографистами, использующими то же эхокардиографическое оборудование, но без контроля ИИ.

    Каждому пациенту были выполнены парные ограниченные ЭхоКГ: одно исследование выполнялось медсестрой без предшествующего опыта эхокардиографии с использованием алгоритма ГО, а другое сонографистом без использования ГО. Пять эхокардиографистов, прошедших обучение 3 уровня, независимо и вслепую оценивали каждое измерение.

    Последовательно оценивались четыре основные конечные точки: качественная оценка размера и функции левого желудочка, размера правого желудочка и наличия выпота в полости перикарда. Вторичные конечные точки включали 6 других клинических параметров и сравнение сканирований медсестер и сонографистов.

    В общей сложности 240 пациентов (средний [SD] возраст 61 [16] лет; 139 мужчин [57,9%]; 79 [32,9%] с индексом массы тела > 30) вошли в исследование. Восемь медсестер просканировали 30 пациентов с использованием алгоритма ГО, проведя исследования, которые были признаны диагностическими по размеру, функции и перикардиальному выпоту левого желудочка в 237 из 240 случаев (98,8%) и по размеру правого желудочка в 222 из 240 случаев (92,5%). Что касается вторичных конечных точек, сканирования проведенные медсестрами и сонографистами по большинству параметров существенно не различались.

Выводы

    Данный алгоритм ГО позволяет новичкам без опыта в ультразвуковой эхокардиографии получать диагностические трансторакальные эхокардиографические срезы для оценки размера и функции левого желудочка, размера правого желудочка и наличия нетривиального перикардиального выпота.

    *Также в публикации представлены эхограммы и видео, где показан интерфейс ИИ с ГО, который в реальном времени оценивает с помошью "столбика жидкости" качество получаемого среза ЭхоКГ.

    *комментарии редактора