Visi iLive saturs ir medicīniski pārskatīts vai pārbaudīts, lai nodrošinātu pēc iespējas lielāku faktisko precizitāti.
Mums ir stingras iegādes vadlīnijas un tikai saikne ar cienījamiem mediju portāliem, akadēmiskām pētniecības iestādēm un, ja vien iespējams, medicīniski salīdzinošiem pārskatiem. Ņemiet vērā, ka iekavās ([1], [2] uc) esošie numuri ir klikšķi uz šīm studijām.
Ja uzskatāt, ka kāds no mūsu saturiem ir neprecīzs, novecojis vai citādi apšaubāms, lūdzu, atlasiet to un nospiediet Ctrl + Enter.
Kardiologi ir apmācījuši lielu mākslīgā intelekta modeli, lai novērtētu sirds struktūru un funkciju.
Pēdējā pārskatīšana: 02.07.2025
Cedars-Sinai un Smidt Heart Institute mākslīgā intelekta eksperti izveidoja vairāk nekā 1 miljona ehokardiogrammu (sirds video ultraskaņas izmeklējumu) un to atbilstošo klīnisko interpretāciju datu kopu. Izmantojot šo datubāzi, viņi izstrādāja EchoCLIP — jaudīgu mašīnmācīšanās algoritmu, kas var “interpretēt” ehokardiogrammas attēlus un novērtēt galvenos rādītājus.
EchoCLIP dizains un novērtējums, kas aprakstīts žurnālā Nature Medicine publicētā rakstā, liecina, ka pacienta ehokardiogrammas interpretācija, izmantojot EchoCLIP, sniedz speciālista līmeņa klīniskos novērtējumus, tostarp sirds funkcijas novērtējumu, iepriekšējo operāciju rezultātus un implantētās ierīces, un var palīdzēt ārstiem identificēt pacientus, kuriem nepieciešama ārstēšana.
EchoCLIP bāzes modelis var arī identificēt vienu un to pašu pacientu vairākos video, pētījumos un laika punktos, kā arī atpazīt klīniski nozīmīgas izmaiņas pacienta sirdī.
"Cik mums zināms, šis ir lielākais modelis, kas apmācīts ar ehokardiogrāfijas attēliem," sacīja vadošais pētījuma autors Deivids Oujangs, MD, Smita Sirds institūta Kardioloģijas nodaļas un Mākslīgā intelekta medicīnā nodaļas fakultātes loceklis.
"Daudzi iepriekšējie ehokardiogrammu mākslīgā intelekta modeļi ir apmācīti tikai ar desmitiem tūkstošu piemēru. Turpretī EchoCLIP unikāli augstā attēlu interpretācijas veiktspēja ir rezultāts apmācībai ar gandrīz desmit reizes lielāku datu apjomu nekā esošajiem modeļiem."
"Mūsu rezultāti liecina, ka lieli medicīniskās attēlveidošanas datu kopumi un ekspertu pārbaudītas interpretācijas var kalpot par pamatu pamata medicīnisko modeļu apmācībai, kas ir ģeneratīvā mākslīgā intelekta veids," piebilda Ouyang.
EchoCLIP darbplūsma. Avots: Nature Medicine (2024). DOI: 10.1038/s41591-024-02959-y
Viņš norādīja, ka šis uzlabotais bāzes modelis drīzumā varētu palīdzēt kardiologiem novērtēt ehokardiogrammas, ģenerējot sirds mērījumu aplēses, identificējot izmaiņas laika gaitā un bieži sastopamas slimības.
Pētnieku komanda izveidoja 1 032 975 sirds ultraskaņas videoierakstu un atbilstošo ekspertu interpretāciju datu kopu, lai izstrādātu EchoCLIP. Pētījuma galvenie secinājumi ir šādi:
- EchoCLIP demonstrēja augstu veiktspēju sirds funkcijas novērtēšanā no sirds attēliem.
- Sākotnējais modelis spēja identificēt implantētas intrakardiālas ierīces, piemēram, elektrokardiostimulatorus, mitrālā vārstuļa implantus un aortas vārstuļa implantus no ehokardiogrammas attēliem.
- EchoCLIP precīzi identificēja unikālus pacientus visos pētījumos, atklāja klīniski nozīmīgas izmaiņas, piemēram, iepriekšēju sirds operāciju, un ļāva izstrādāt ehokardiogrammas attēlu provizoriskas teksta interpretācijas.
"Pamata modeļi ir viena no jaunākajām ģeneratīvās mākslīgā intelekta jomām, taču lielākajai daļai modeļu nav pietiekami daudz medicīnisko datu, lai tie būtu noderīgi veselības aprūpē," sacīja Kristīna M. Alberta, MD, MPH, Smita Sirds institūta Kardioloģijas nodaļas vadītāja.
Alberts, kurš pētījumā nepiedalījās, piebilda: "Šis jaunais bāzes modelis integrē datorredzi ehokardiogrammas attēlu interpretācijai ar dabiskās valodas apstrādi, lai uzlabotu kardiologu interpretācijas."