Согласно исследованию, опубликованному в журнале Radiology, мощный тип искусственного интеллекта, известный как глубокое обучение, может помочь врачам обнаруживать потенциально опасные для жизни аневризмы головного мозга при КТ-ангиографии.
Аневризмы головного мозга – это ослабленные участки кровеносных сосудов головного мозга. При отсутствии лечения они могут протечь или разорваться, что иногда приводит к летальному исходу. Выявление и характеристика этих аневризм имеют решающее значение, поскольку риск разрыва зависит от размера, формы и местоположения аневризмы.
КТ-ангиография обычно является первым выбором для оценки церебральных аневризм. Обследование очень точное, но аневризмы головного мозга можно не заметить при первоначальной оценке из-за их небольшого размера и сложности кровеносных сосудов в головном мозге.
"В нашей повседневной работе мы всегда сталкиваемся со случаями, когда некоторые важные поражения не видны человеческому глазу," сказал старший автор исследования Си Лонг, Ph.D., из отделения радиологии госпиталя Union Medical College Тунцзи в Ухане, Китай. "Аневризмы головного мозга относятся к числу тех небольших поражений, которые можно не заметить при рутинной оценке радиологических изображений."
Глубокое обучение предлагает огромный потенциал в качестве дополнительного инструмента для более точной интерпретации аневризм головного мозга. Система глубокого обучения обучается на существующих изображениях и учится распознавать аномалии, которые может быть трудно увидеть человеку-наблюдателю. В радиологии в последнее время глубокое обучение используется в различных ролях, помогающих радиологам, например, при обнаружении туберкулеза на рентгеновских снимках грудной клетки.
В новом исследовании доктор. Лонг и его коллеги разработали полностью автоматизированный высокочувствительный алгоритм обнаружения аневризм головного мозга на изображениях КТ-ангиографии. Они использовали КТ-ангиограммы более 500 пациентов для обучения системы глубокого обучения, а затем протестировали ее на других 534 КТ-ангиограммах, которые включали 649 аневризм.
Алгоритм обнаружил 633 из 649 аневризм головного мозга при чувствительности 97.5%. Также было обнаружено восемь новых аневризм, которые не были учтены при первоначальной оценке.
Статистический анализ показал, что помощь глубокого обучения улучшает работу радиологов. Улучшение было наиболее выражено у менее опытных радиологов.
"Разработанная система глубокого обучения показала отличную производительность при обнаружении аневризм," Доктор. Давно сказал. "Мы обнаружили некоторые аневризмы, которые не были замечены людьми-читателями в первоначальных отчетах, но они были успешно отображены системой глубокого обучения."
Результаты показывают, что алгоритм глубокого обучения имеет многообещающие преимущества в качестве вспомогательного инструмента для обнаружения церебральных аневризм с потенциалом использования в клинических условиях для получения второго мнения во время интерпретации изображений КТ-ангиографии головы. В этой ситуации у него есть ряд преимуществ, доктор. Давно сказано, в первую очередь из-за того, что на компьютер не влияют такие факторы, как уровень опыта, рабочее время и настроение, которые влияют на производительность человека.
Система имеет некоторые ограничения, доктор. Давно отметил. Он может пропускать очень маленькие аневризмы или аневризмы, расположенные близко к структурам такой же плотности, как кости. Он также страдает от ложноположительных результатов, что означает, что он ошибочно идентифицирует структуры, похожие на аневризмы, как аневризмы, что требует тщательного пересмотра предложений системы читателями-людьми.
"Проще говоря, система глубокого обучения предназначена для помощи читателям, а не для их замены," Доктор. Давно сказал.
Система нуждается в дальнейшей проверке на более разнородных данных, таких как изображения людей из разных частей мира, что важно для оценки ее обобщаемости и применимости в повседневной клинической работе.
"В настоящее время роль этой системы глубокого обучения, которая была обучена распознавать аневризмы, заключается в том, чтобы давать читателям предложения по улучшению их работы и уменьшению количества ошибок," Доктор. Давно сказал. "Совместная работа человеческого считывателя и компьютерной системы повышает точность диагностики для пациента."