Искусственный интеллект оценивает риски смертности по рентгенограмме грудной клетки

Время чтения: 3 мин.

Алгоритм глубокого обучения под названием CXR-Age может оценивать биологический возраст пациента по рентгенограмме грудной клетки. Это дает более точно спрогнозировать  предполагаемую продолжительность жизни и долгосрочный риск смертности, говорится в результатах исследования, опубликованных в JACC: Cardiovascular Imaging.

Команда исследователей из Массачусетской больницы общего профиля (MGH) и больницы Бригэм энд Уименс (BWH) проанализировала рентгеновские снимки грудной клетки более 116 000 пациентов для разработки и тестирования модели CXR-Age. При тестировании двух отдельных массивов данных, биологический возраст, определенный с помощью CXR-Age, позволил получить значительно более точные прогнозы долгосрочного риска смертности от сердечно-сосудистых заболеваний и от всех причин, чем хронологический возраст пациента.

По словам авторов исследования, в будущем этот алгоритм можно будет использовать для определения биологического возраста по обычным рентгеновским снимкам грудной клетки, предоставляя пациентам показатель, который будет более понятным для них по сравнению со значениями шкалы вероятности риска.

«Замена хронологического возраста биологическим может улучшить эффективность существующих оценок риска, — пишут авторы. — Таким образом, CXR-Age может помочь врачам при принятии решений о выборе профилактических мер, скрининга и лечения».

Хотя хронологический возраст играет ключевую роль в принятии медицинских решений и в создании методических рекомендаций относительно профилактики атеросклеротических сердечно-сосудистых заболеваний, по мнению исследователей, он не является идеальным показателем здоровья и долголетия, так как все стареют с разной скоростью.

Первоначально исследователи обучили сверточную нейронную сеть (CNN) оценивать хронологический возраст 24 934 субъектов из общедоступных массивов данных. Затем, применяя метод трансфертного обучения, исследователи использовали первоначальную модель в качестве основы для обучения второй модели CNN — CXR-Age, предназначенной для оценки биологического возраста. Алгоритм CXR-Age был обучен с использованием данных 13 657 пациентов из группы рентгенографии грудной клетки, проводимой в рамках скринингового исследования на рак простаты, легких, колоректального тракта и яичников (PLCO).

После оценки эффективности CXR-Age алгоритм был протестирован на оставшихся 40 967 случаях из группы рентгенографического скрининга грудной клетки исследования PLCO, а также на внешнем тестовом массиве данных, состоящим из 5414 рентгенограмм грудной клетки, предоставленных Национальным исследованием скрининга легких (NLST). Результаты эффективности CXR-Age сравнивались с результатами, основанными только на хронологическом возрасте, а также с многопараметрической регрессионной моделью, которая включала хронологический возраст, факторы риска и данные рентгенографии для прогнозирования смертности от всех причин в течение 23 лет наблюдения и смертности от сердечно-сосудистых заболеваний в течение более 13 лет наблюдения.

Было обнаружено, что биологический возраст пациентов, определенный алгоритмом, является лучшим показателем смертности, чем их хронологический возраст.

Прогнозирование риска смертности за период более 23 лет на основании хронологического возраста по сравнению с CXR-Age

Пятилетнее увеличение хронологического возраста Пятилетнее увеличение биологического возраста по оценке CXR-Age
Коэффициент риска для смертности от всех причин 1.77 2.26
Коэффициент рисков для смертности от сердечно-сосудистых заболеваний 1.82 2.45

 

Аналогичные результаты были получены при использовании массивов данных NLST. Более того, оценки биологического возраста CXR-Age дали статистически значимое улучшение эффективности метода (p <0,001) на обоих тестовых массивах данных при добавлении расчетного биологического возраста к модели оценки многопараметрического риска.

Исследователи также отметили, что алгоритм генерирует карты активации классов, взвешенные по градиенту (Grad-CAM), чтобы локализовать анатомические области, способствующие более точной оценке возраста пациентов.

Фото: Карты активации классов, взвешенные по градиенту, могут локализовать анатомические структуры, помогая CXR-Age оценивать биологический возраст пациента. У этого 55-летнего мужчины алгоритм CXR-Age фокусируется на луковице аорты. Изображение предоставлено доктором Винит Рагху и доктором Майклом Лу.

Эти карты показывают, что CXR-Age обычно фокусируется на средостении, силуэте сердца и луковице аорты – анатомической структуре, которая с возрастом расширяется и меняет форму.

«Активация наблюдалась и в других анатомических структурах, включая силуэт диафрагмы, верхнее средостение и нижнюю часть шеи», — пишут авторы.

Исследователи планируют продолжить изучение CXR-Age, кроме того, они попытаются выяснить, может ли замена алгоритмом хронологического возраста на расчетный биологический возраст улучшить существующие оценки риска, определяемые на основании возраста, и методические рекомендации по скринингу рака.

«CXR-Age может также дать исследователям-геронтологам новый показатель старения; а вопрос сможет ли он дополнить существующие маркеры крови и функциональные маркеры биологического возраста, также потребует дополнительных исследований», — пишут они.

По словам исследователей, CXR-Age также будет доступен как бесплатное программное обеспечение с открытым исходным кодом для стимулирования научных изысканий и будущих исследований.

Источник фото:.dotmed.com

Оригинал новости можно прочитать здесь

Поделиться