Opracowano pionierską metodę analizy obrazów MRI serca z wykorzystaniem sztucznej inteligencji

Naukowcy opracowali pionierską metodę analizy obrazów MRI serca przy pomocy sztucznej inteligencji, która może zaoszczędzić cenny czas i zasoby NHS, a także poprawić opiekę nad pacjentem.

Zespoły z uniwersytetów Anglii Wschodniej (UEA), Sheffield i Leeds stworzyły inteligentny model komputerowy, który wykorzystuje sztuczną inteligencję do badania obrazów serca ze skanów MRI w określonym widoku zwanym poziomem czterojamowym.

Główny badacz, dr Pankaj Garg ze Szkoły Medycznej Uniwersytetu Wschodniej Anglii w Norwich oraz kardiolog-konsultant w Norfolk i Szpitalu Uniwersyteckim w Norwich, kieruje zespołem badaczy, którzy są pionierami innowacyjnej i rewolucyjnej technologii 4D MRI. Otwiera to drogę do szybszej, nieinwazyjnej i dokładniejszej diagnostyki niewydolności serca i innych chorób serca.

Model AI był w stanie dokładnie określić wielkość i funkcję komór serca i dał wyniki podobne do tych uzyskiwanych manualnie przez lekarzy, ale znacznie szybciej.

W przeciwieństwie do standardowej manualnej analizy MRI, która może zająć do 45 minut lub dłużej, nowy model AI zajmuje zaledwie kilka sekund.

Ta zautomatyzowana technologia może zapewnić szybką i wiarygodną ocenę stanu zdrowia serca, co może potencjalnie poprawić opiekę nad pacjentem.

Dr Pankaj Garg, Szkoła Medyczna Uniwersytetu Wschodniej Anglii, Norwich

Retrospektywne badanie obserwacyjne składa się z danych od 814 pacjentów ze szpitali Sheffield Teaching Hospitals NHS Foundation Trust i Leeds Teaching Hospitals NHS Trust, które następnie wykorzystano do szkolenia modelu sztucznej inteligencji.

Aby zapewnić dokładność wyników modelu, do testu wykorzystano następnie skany i dane kolejnych 101 pacjentów ze szpitali uniwersyteckich NHS Foundation Trust w Norfolk i Norwich.

Podczas gdy inne badania skupiały się na wykorzystaniu sztucznej inteligencji do interpretacji skanów MRI, najnowszy model sztucznej inteligencji został przeszkolony przy użyciu danych z wielu szpitali i różnych typów urządzeń skanujących, a także testów na różnych pacjentach z różnych szpitali. Ponadto ten model AI zapewnia pełną analizę całego serca przy użyciu widoku przedstawiającego wszystkie cztery komory serca, podczas gdy większość wcześniejszych badań skupiała się na widoku obejmującym tylko dwie główne komory serca.

Doktorant dr Hossam El-Din Assadi z Norwich Medical School na Uniwersytecie Wschodniej Anglii powiedział: „Automatyzacja procesu oceny czynności i struktury serca pozwoli zaoszczędzić czas i zasoby oraz zapewni lekarzom spójne wyniki.

„Ta innowacja może prowadzić do skuteczniejszej diagnozy, lepszych decyzji dotyczących leczenia i ostatecznie lepszych wyników leczenia pacjentów z chorobami serca”.

„Co więcej, zdolność sztucznej inteligencji do przewidywania śmiertelności na podstawie pomiarów serca podkreśla jej potencjał zrewolucjonizowania opieki kardiologicznej i poprawy rokowań pacjentów”.

Naukowcy twierdzą, iż przyszłe badania powinny przetestować model na większych grupach pacjentów z różnych szpitali, z różnymi typami urządzeń do rezonansu magnetycznego i z uwzględnieniem innych powszechnych chorób spotykanych w praktyce medycznej, aby sprawdzić, czy sprawdza się on w szerszym zakresie sytuacji prawdziwy świat.

Inne niedawne badania przeprowadzone przez zespoły z Uniwersytetów Anglii Wschodniej, Leeds i Sheffield poprawiły wykorzystanie skanów MRI serca u pacjentek, szczególnie tych z wczesną lub graniczną chorobą serca, co oznacza, iż ​​16,5% kobiet może w tej chwili postawić diagnozę.

Badania przeprowadzono we współpracy pomiędzy Uniwersytetem Anglii Wschodniej, Uniwersytetem w Leeds, Uniwersytetem w Sheffield, Centrum Medycznym Uniwersytetu w Leiden, Szpitalami Uniwersyteckimi NHS w Norfolk i Norwich, Szpitalami Uniwersyteckimi NHS w Sheffield i Szpitalami Klinicznym NHS w Leeds.

Badanie zostało wsparte środkami finansowymi od dr Pankaja Garga ze stypendium Wellcome Trust Clinical Research Career Development Fellowship.

W czasopiśmie E opublikowano artykuł zatytułowany „Rozwój i walidacja segmentacji opartej na sztucznej inteligencji dla czterokomorowego cine MRI”Europejska Radiologia Eksperymentalna.