Многопоточная магнитно-резонансная томография колена (МРТ) — это современный неинвазивный метод диагностики патологии колена. Однако интерпретация МРТ занимает много времени и в значительной степени зависит от опыта.

Исследовательская группа из Школы инженерии Гонконгского университета науки и технологий (HKUST) представила новую модель глубокого обучения, которая может помочь в классификации 12 распространенных типов патологий коленного сустава , повышая как эффективность, так и точность.

Исследование было результатом сотрудничества между Smart Lab HKUST в Гонконге и Третьей аффилированной больницей Южного медицинского университета в Гуанчжоу, Китай. Их инновация была недавно опубликована в Nature Communications в статье под названием «Изучение внимания в ко-плоскостном пространстве последовательностей МРТ для диагностики двенадцати типов отклонений колена».

Как сложный шарнирный сустав, коленный сустав является одним из основных несущих нагрузку суставов человеческого тела, поддерживающих различные движения в повседневной деятельности. Различные аномалии колена могут возникнуть из-за старения или травм, приводя к боли и дисфункции. Поэтому точная диагностика аномалий колена имеет решающее значение для персонализации планов лечения и улучшения качества жизни пациентов.

Из-за сложной анатомической структуры коленного сустава различные параметры сканирования часто показывают разные результаты. Более того, некоторые едва заметные поражения коленного сустава могут быть легко пропущены рентгенологами с недостаточным опытом.

Для решения этих задач исследовательская группа под руководством доцента ЧЭН Хао с кафедры компьютерных наук и инженерии и кафедры химической и биологической инженерии Гонконгского университета науки и технологий (HKUST) сотрудничала с пятью больницами и собрала данные 1748 пациентов, включая последовательности МРТ с T1-взвешенными изображениями (T1W), T2-взвешенными изображениями (T2W) и изображениями с взвешенными изображениями по плотности протонов (PDW) в сагиттальной, коронарной и аксиальной плоскостях.

Объединив данные артроскопии, которая широко считается золотым стандартом диагностики патологии коленного сустава, исследователи провели комплексный анализ и выявили 12 распространенных типов патологий коленного сустава у этих пациентов.

Они разработали модель глубокого обучения, включающую Co-Plane Attention across MRI Sequences (CoPAS) для классификации аномалий. Эта модель эффективно улавливала изменения интенсивности от различных параметров сканирования и определяла сложные корреляции с типами аномалий путем разделения пространственных признаков из каждой последовательности МРТ, что приводило к высокой точности классификации.

Для сравнения они также провели смоделированное клиническое тестирование, в котором рентгенологов изначально попросили поставить отдельные диагнозы на основе МРТ-сканов. После периода вымывания их попросили поставить диагнозы снова, на этот раз используя выходные данные модели в качестве справочного материала.

Сравнив результаты, команда обнаружила, что модель достигла средней диагностической точности, которая превзошла младших рентгенологов и осталась конкурентоспособной по сравнению со старшими рентгенологами. В целом точность всех рентгенологов значительно улучшилась с помощью модели.

Дальнейший анализ интерпретируемости сравнил клиническую эмпирическую таблицу с выходными данными модели. Было обнаружено, что процесс принятия решений модели последовательно соответствовал клиническим предпочтениям. Это указывает на то, что модель вывела набор соответствующих правил, аналогичных тем, которые используют рентгенологи, что позволяет ей выдавать более надежные результаты во время клинической реализации.

Профессор Чен подвел итог: «Эта инновационная модель CoPAS демонстрирует диагностическую эффективность, сопоставимую с эффективностью рентгенологов. Она особенно полезна для преодоления разрыва между менее опытными и опытными врачами».

«Наши результаты подчеркивают перспективы искусственного интеллекта в здравоохранении , подчеркивая его потенциал для выявления и подтверждения новых клинических идей».

Профессор Чэнь является одним из авторов статьи, наряду с профессором Чжао Инхуа из Третьей аффилированной больницы Южного медицинского университета. Цю Зелин, аспирант факультета компьютерных наук и инженерии в HKUST, и доктор Се Чжуояо из Третьей аффилированной больницы Южного медицинского университета являются соавторами.

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.