Алгоритм глубокого обучения помогает предсказать возраст созревания миелина у детей

Модель глубокого обучения помогает врачам точно предсказать возраст созревания миелина у детей по МРТ-изображениям головного мозга, говорится в исследовании, опубликованном учеными из Университетской клиники Базеля в Швейцарии в журнале «Радиология: искусственный интеллект».

Миелин — это оболочка, которая формируется вокруг нервов, в том числе в головном и спинном мозге. Его созревание начинается еще до рождения и продолжается, пока ребенку не исполнится около трех лет. Здоровое созревание миелина является ключом к нормальному развитию мозга.

Детские рентгенологи оценивают созревание миелина, отслеживая соответствующие возрастные этапы и сравнивая снимки МРТ головного мозга пациентов с вариантами нормы. Эта задача сложна и требует многолетнего опыта, отмечают авторы работы. Глубокое обучение способно упростить работу докторам и повысить выявляемость неврологических отклонений.

Для исследования ученые разработали три модели сверточной нейронной сети: 2D, 3D и 2D + 3D. Ученые обучили эти модели и проверили их эффективность, используя данные 833 детей в возрасте от нуля до трех лет, чтобы предсказать возраст созревания миелина на основе оценок рентгенологов. По результатам визуализации 275 из детей имели патологии, обнаруженные ИИ.

Аксиальные Т1(Т1w)- и Т2(Т2w)-взвешенные изображения. Т2w улучшены при помощи ИИ. На снимках представлены МРТ младенцев и детей раннего возраста с нормальным созреванием миелина на уровне мозолистого тела и боковых желудочков.

(A) Доношенный новорожденный с синдромом аспирации мекония, которому была выполнена визуализация для исключения ишемии, инфаркта или кровоизлияния.

(B) 6-месячный младенец с асфиксией и тромбозом синусовой вены при рождении в анамнезе, но с нормальным развитием.

(C) 12-месячный ребенок с гемангиомой глаза, которому сделали визуализацию для исключения внутричерепной патологии.

(D) 24-месячный ребенок с головной болью в течение 2 месяцев.

(E) 36-месячный ребенок с фокальными эпилептическими приступами в анамнезе, визуализация проводится для исключения структурных изменений.

Группа ученых протестировала три модели на собственном массиве данных и на двух внешних массивах данных из Национального института здравоохранения (NIH) в США и проекта Developing Human Connectome Project. Затем команда оценила эффективность моделей для оценки возраста миелина в месяцах, используя среднюю абсолютную ошибку (mean absolute error — MAE) и коэффициенты корреляции Пирсона.

Исследователи обнаружили, что все три модели показали сопоставимые результаты для оценки возраста миелина.

Средняя абсолютная ошибка в месяцах для оценки миелина с помощью моделей глубокого обучения

Все три модели показали хорошее соответствие с оценками рентгенологов для перекрестной проверки, внутреннего тестирования и набора внешних тестов Национального института здравоохранения США, сообщила команда. Более того, по словам исследователей, модель 2D + 3D превзошла ранее разработанную модель оценки миелина, которая показывала среднюю абсолютную ошибку 2,09.

По мнению группы, алгоритм глубокого обучения не только имеет хорошие перспективы для оценки созревания миелина, но и может сгладить различия в интерпретации медицинских изображений среди рентгенологов.

«Наше исследование предполагает, что алгоритм глубокого обучения может быть полезен для прогнозирования нормального возрастного развития миелина по изображениям МРТ головного мозга. Такой канал обработки данных может помочь преодолеть несогласованность заключений между собственными и сторонними исследователями, одновременно способствуя процессу принятия верных клинически значимых решений. На дальнейших этапах этот же метод можно будет использовать для выявления пациентов с задержкой развития и прогнозирования исходов заболеваний» — пишут ученые.

Источник