К новостям Исследователи из РФ и КНР разработали нейросеть для диагностики состояния коронарных сосудов
Исследователи из России и Китая разработали систему машинного обучения, способную с высоким уровнем достоверности оценивать состояние коронарных сосудов по широкодоступным данным, которые включают возраст, ударный объем, пульс, систолическое, диастолическое и среднее артериальное давление. Об этом во вторник сообщила пресс-служба Московского Физтеха (МФТИ).
"Данный подход мы протестировали на анонимизированных данных около ста человек. У них ранее уже были измерены скорости пульсовых волн в аорте, а мы применили нейросеть и сравнили результаты. Мы получили достаточно высокий процент совпадений, если учесть, что модели виртуальных пациентов, использованные для обучения нейросети, описывают скорее здоровые случаи, а мы рассматривали данные реальных пациентов с сердечно-сосудистыми заболеваниями", - сообщил заведующий кафедрой вычислительной физики МФТИ (Долгопрудный) Сергей Симаков, чьи слова приводит пресс-служба вуза.
Симаков и его коллеги создали систему ИИ, которая способна решать еще одну важную медицинскую задачу - оценивать степень сужения коронарных сосудов, измерять уровень гибкости их стенок и определять необходимость имплантации стентов и проведения других форм хирургических вмешательств для защиты жизни пациента. Сейчас для этого используют достаточно сложные процедуры, требующие вмешательства в работу организма.
Нейросетевая диагностика состояния аорты
Российские исследователи заинтересовались, можно ли "извлечь" информацию о свойствах аорты из более легкодоступных данных, в том числе артериального давления, пульса и ударного объема камер сердца, которые можно измерить у пациентов в любой больнице. Руководствуясь этой идеей, ученые создали нейросеть, которая пыталась использовать эти параметры для оценки того, как движутся пульсовые волны в аорте.
Для обучения этой системы искусственного интеллекта российские ученые использовали специальную базу данных, в которой содержалась подробная информация по работе аорты у 4,3 тыс. виртуальных пациентов, имеющих различную эластичность сосудов, частоту сердцебиения и периферическое сопротивление. Работу обученной системы ИИ Симаков и его коллеги проверили на данных, собранных при наблюдениях за здоровьем 100 пациентов, проходивших лечение в Сеченовском университете.
Проверка показала, что нейросеть справилась с возложенной на нее задачей - она определила скорость движения пульсовых волн через аорту с погрешностью около 1,3 метра в секунду и при этом не сильно отклонилась в своих оценках от результатов инвазивных замеров. Применение нейросети для оценки этого параметра, как отмечают ученые, позволило им повысить точность работы ранее разработанных ими алгоритмов диагностики состояния аорты примерно на 4%.
В ближайшее время исследователи планируют подготовить новые наборы данных для обучения нейросети, которые будут включать в себя информацию о работе аорты не только здоровых, но и больных пациентов. Этот шаг, как надеются Симаков и его коллеги, позволит дополнительно повысить точность прогнозов системы ИИ, что необходимо для начала ее применения в медицинской практике.
Для обучения этой системы искусственного интеллекта российские ученые использовали специальную базу данных, в которой содержалась подробная информация по работе аорты у 4,3 тыс. виртуальных пациентов, имеющих различную эластичность сосудов, частоту сердцебиения и периферическое сопротивление. Работу обученной системы ИИ Симаков и его коллеги проверили на данных, собранных при наблюдениях за здоровьем 100 пациентов, проходивших лечение в Сеченовском университете.
Проверка показала, что нейросеть справилась с возложенной на нее задачей - она определила скорость движения пульсовых волн через аорту с погрешностью около 1,3 метра в секунду и при этом не сильно отклонилась в своих оценках от результатов инвазивных замеров. Применение нейросети для оценки этого параметра, как отмечают ученые, позволило им повысить точность работы ранее разработанных ими алгоритмов диагностики состояния аорты примерно на 4%.
В ближайшее время исследователи планируют подготовить новые наборы данных для обучения нейросети, которые будут включать в себя информацию о работе аорты не только здоровых, но и больных пациентов. Этот шаг, как надеются Симаков и его коллеги, позволит дополнительно повысить точность прогнозов системы ИИ, что необходимо для начала ее применения в медицинской практике.
Создана нейросеть для диагностики состояния коронарных сосудов
