Искусственный интеллект и ЭХОКГ

Нейросеть, созданная для расчета фракции выброса левого желудочка, в слепом исследовании показала меньше ошибок по сравнению с ручным подсчетом специалистами по ультразвуковой диагностике. Кроме того, алгоритм сделал это на две с лишним минуты быстрее человека. Врачам нужна точная количественная оценка сердечной функции, чтобы поставить правильный диагноз, стратифицировать риск и назначить лечение. Часто в качестве этой оценки используют фракцию выброса левого желудочка (ФВЛЖ) — часть крови, которая выбрасывается из сердца при каждом сокращении. Все эти показатели рассчитываются с помощью эхокардиографии, и из-за ручного подсчета они часто оказываются неточными. Кроме того, несмотря на клинические рекомендации, которые предписывают измерять ФВЛЖ как минимум по пяти разным сердечным циклам и усреднять расчеты, на практике врачи ультразвуковой диагностики часто используют только один сердечный цикл.  Чтобы упростить работу врачей и повысить точность подсчета этого важного показателя, разработан алгоритм глубокого обучения EchoNet-Dynamic, который способен рассчитывать по видео эхокардиографии объемы желудочков и ФВЛЖ. В основе алгоритма лежит трехмерная нейросеть с архитектурой R2 1D с декомпозированными пространственно-временными свертками. В качестве обучающего материала ученые использовали видеоклипы эхокардиограмм из 32 кадров, в которых нейросеть сначала определяла временную характеристику изображения (по размерам желудочка) с помощью сегментирования изображения, а затем и пространственную. Для обучения нейросети использовали более десяти тысяч видеоклипов. Теперь та же группа изучила, насколько точно алгоритм высчитывает ФВЛЖ. Для этого исследователи отобрали 3495 видео эхокардиограмм, которые поровну разделили для оценки ФВЛЖ между врачами ультразвуковой диагностики и алгоритмом — 1755 записей в первой группе и 1740 во второй. В качестве внешнего контроля выступали 25 кардиохирургов (средний стаж 14,1 года) и 10 кардиологов (средний стаж 12,7 года). Внешний контроль помимо более подробного пересчета ФВЛЖ во всех почти 3,5 тысячи записях, должен был оценить, насколько близко к их расчетам оказалось заключение врача ультразвуковой диагностики или алгоритма. Чье заключение перед ними, врачи внешнего контроля не знали.  Выяснилось, что кардиологи и кардиохирурги не согласились лишь с 16,8 процента заключений алгоритма. Доля заключений врачей ультразвуковой диагностики, в которой внешний контроль нашел значимые отклонения в расчетах ФВЛЖ, составила 27,2 процента (разница — -10,4 процента, p < 0,001). При этом нейросеть посчитала фракцию выброса в среднем на 131 секунду быстрее, чем врач ультразвуковой диагностики (p < 0,001). Внешний контроль не смог отличить заключение алгоритма от заключения врача. Таким образом, EchoNet-Dynamic достаточно точно подсчитывает ФВЛЖ, в этом исследовании он делал это даже лучше врачей ультразвуковой диагностики. Разработчики рассчитывают на скорейшее внедрение алгоритма в рутинную практику. Ранее похожий алгоритм внедрили , чтобы определить гидроцефалию у детей по снимкам МРТ.