Kodėl tik vizualinė inspekcija nuolatos praleidžia ankstyvus požymius
Indėlinės anomalijos retai save praneša. Aterosklerozės, periferinės arterijų ligos ar net įgimtų būklių, tokių kaip Marfano sindromas, ankstyvosiose stadijose struktūriniai pokyčiai vyksta mastelyje, kurį žmogaus akys paprastose egzaminuose tiesiog negali išskleisti. Klinikas, žvelgiantis į funduso nuotrauką, gali pastebėti ryškų kraujagyslių vingiavimą ar akivaizdų susiaurėjimą, tačiau subtilus kraujagyslių sienelių storėjimas, ankstyvieji plokštelės susidarymo etapai ar mikroaneurizmos dažnai lieka nepastebėti. Tai nėra ekspertizės trūkumas. Tai yra skiriamosios gebos ir nuoseklumo riba. Automatizuota analizė visiškai pakeičia šią situaciją.
Širdies ir kraujagyslių analizės sistema nesikeičia klinikinio vertinimo, o tik padeda jį tikslinti. Iš vaizdų ir fiziologinių signalų ištraukdama kiekybinius požymius šios platformos verčia anksčiau subjektyvų įspūdį į matuojamą ir pakartotinai patikrinamą rodiklį. Šis pokytis yra svarbus, nes duomenys, kurie dabar atsiranda iš mastytų tyrimų, tampa vis sunkiau ignoruoti.
Pokyčių varomasis duomenų variklis
Skaičiai įspūdingi. Giliųjų mokymosi sistemą, išmokyta naudojant daugiau nei 5000 skleros nuotraukų, širdies kraujagyslių ligos rizikos įvertinimui pasiekė bendrą tikslumą 0,891 ir AUC 0,942, atitinkant specialistų gydytojų sutarimą . Modelis pagrindinėje vietoje remėsi kraujagyslių anomalijomis kaip aiškiais požymiais, o ne pigmentacija ar kitais klaidinančiais veiksniais . Kitaip tariant, algoritmas išmoko žvelgti į kraujagysles taip pat, kaip tai daro išmokyti klinikai, bet su nuoseklumu, kurį gali užtikrinti tik mašina.
Karotidinės ultragarso tyrimui pagerintas Mask R-CNN rėminys pasiekė 93,5 % tikslumą aptinkant planką ir išmatavo intima-media storį su tik 0,112 mm paklaida. Toks tikslumas struktūriniam parametrui negali būti pasiektas tik rankiniu kaliperio naudojimu.
| Modalitetas | Užduotį | Pranešta našumo charakteristika |
|---|---|---|
| Skleros fotografija | Širdies kraujagyslių ligų rizikos įvertinimas | Tikslumas 0,891, AUC 0,942 |
| Karotidinė ultragarso diagnostika | Planko aptikimas | Tikslumas 93,5 % |
| Karotidinė ultragarso diagnostika | IMT matavimo paklaida | 0,112 mm |
| Retininio dugno vaizdavimas | Smegenų kraujagyslių tyrimas | Patvirtinta naudojant 2338 ekspertais diagnozuotus atvejus |
Amerikos širdies asociacija (AHA) tai pastebėjo. 2026 m. mokslinėje rekomendacijoje ši organizacija pripažino, kad mašininio mokymosi ir giliojo mokymosi modeliai parodo puikią našumą automatiniam periferinių arterijų ligos aptikimui ir diagnozės tikslumo didinimui naudojant pažangų vaizdų analizę tai nėra pakraštinis pripažinimas. Tai signalas, kad automatinė kraujagyslių būklės įvertinimo sistema jau išėjo iš tyrinėjimų srities ir tapo klinikinės reikšmės dalimi.
Ką sistema iš tikrųjų matuoja ir kodėl tai svarbu
Sunkumai suprantant širdies ir kraujagyslių sistemos analizės sistemas dažnai kyla dėl labai skirtingų technologijų sujungimo po vienu bendru pavadinimu. Iš tikrųjų ši kategorija apima kelias skirtingas metodikas, o kiekviena iš jų tiria kitą kraujagyslių sistemos aspektą.
-
Retininė mikrokraujagyslių sistema. Spalvos funduso fotografija užfiksuoja kraujagysles, kurios turi bendrų embrioninių kilmės šaltinių su smegenų ir širdies kraujotaka. Arterijų ir venų santykio, kraujagyslių vingiuotumo bei mikroaneurizmų susidarymo pokyčiai koreliuoja su sisteminėmis ligomis. Gilaus mokymosi modeliai dabar įprastai segmentuoja šias kraujagysles ir su tikslumu, viršijančiu 98 % patvirtintose studijose, klasifikuoja arterijas ir venas.
-
Skleros ir konjunktyvos kraujagyslės. Mažiau įprasta, bet vis dažniau patvirtinama. Skleros kraujagyslių raštai suteikia neinvazinį koronarinio rizikos vertinimą, o aiškūs požymiai atitinka tai, į ką modelis iš tikrųjų atkreipia dėmesį.
-
Intravaskulinė vaizdavimo technika. Koronarinėms arterijų anomalijoms automatinis IVUS duomenų apdorojimas dabar leidžia tiksliai kiekybiškai įvertinti geometrinius pokyčius ramybės būsenoje ir streso sąlygomis – tai, ko rankinis analizavimas nuolat nepavyksta atlikti nuosekliai.
-
Fiziologinių signalų sujungimas. Sistemos, kurios sujungia EKG ir fonokardiogramos duomenis, aptinka tiek elektrines, tiek mechanines anomalijas, kurių nei vienas iš šių signalų atskirai nepateikia. Štai čia kyla tikroji inžinerinė problema. Naudojant CNN modelius nešiojamose kraštutinės skaičiavimo (edge) įrangoje kyla atminties susiaurėjimo problemos, todėl buvo sukurti specialūs ASIC dizainai su poslinkio registrų buferizavimu ir vamzdeliniu duomenų srautu, kad būtų pasiektas nustatytas veikimo laikas be akumuliatoriaus energijos išnaudojimo. .
Štai modelis, į kurį verta atkreipti dėmesį. Sėkmingiausios įdiegimo praktikos nesiekia pakeisti angiografijos arba kompiuterinės tomografijos angiografijos (CTA). Jos automatinę analizę pristato kaip triažo sluoksnį – pirmąjį apdorojimą, kuris nurodo, kuriems pacientams reikia brangaus ir invazinio tolesnio tyrimo.
Danio rerio kaip perkeltinės patvirtinimo platformos
Vyksta tylus pramoninis kraujagyslių tyrimų etape, ir jis plaukioja baseinuose. Danio rerio lervos yra permatomos, sparčiai vystosi ir maždaug 70 % jų genų yra ortologiniai žmogaus genams. . Kraujagyslių anomalijų tyrimams ta pati peršvitinamumas reiškia, kad kiekvieną kraujagyslę galima vizualizuoti gyvoje be disekcijos ar kontrastinių medžiagų.
Šis modelis yra ne tik patogus. Jis taip pat mechanistiškai informatyvus. Tyrimai, atlikti naudojant žuvų rūšį su žemos tankio lipoproteinų receptorių geno ištrynimu, atskleidė, kaip srauto sąlygotas endotelinis performavimas ir uždegiminiai procesai susilieja embrioninio vystymosi metu, lemiant kraujagyslių pažeidžiamumą. . Marfano sindromo modelyje fibrilino-3 trūkumo turinčios žuvys parodė aortos išsiplėtimą ir voštų anomalijas, kurios atitinka žmogaus ligą; transkriptominių tyrimų duomenys rodo pažeistą išorinės ląstelių matricos homeostazę ir imuninį aktyvinimą .
Tai, kas tai daro svariu aptikimo technologijai, yra vaizdo kokybės reikalavimai. Šie modeliai reikalauja sistemų, kurios gali stebėti kraujo tekėjimo greitį ir indų skersmenį realiuoju laiku, su mikronų raiška, be jokios anestezijos, kuri galėtų iškraipyti fiziologiją. Buvo sukurtos neinvazinės mikrovaizdo sistemos, naudojančios spalvų slenkstinius metodus ir diskrečiąją Furjė transformaciją, kad būtų tiksliai nustatyta dorsalinės kardinalinės venos pozicija ir iš pikselių reikšmių pokyčių greičio būtų apskaičiuotas kraujo tekėjimo greitis iš kraujo tekėjimo greičio gauta širdies plakimo dažnio informacija atitiko faktinį širdies plakimą, o tai yra toks kryžminis patvirtinimas, kuris inžinieriams suteikia pasitikėjimo signalų grandine.
Komandai, kuri kuria ar vertina širdies ir kraujagyslių analizės sistemą, žuvų danio rerio tyrimai siūlo retą galimybę: tikrąją aplinką, kur kiekvienas parametras gali būti matuojamas nepriklausomai, o sistemos išvestis gali būti patikrinta tiesioginės stebėsenos duomenimis.
Praktinis pavyzdys: kai algoritmas aptiko tai, ko akis nepastebėjo
Prieš keletą metų tyrėjų grupė, dirbusi su vaistų toksiškumo tyrimų programa, pastebėjo kažką keisto savo danų dantukų duomenyse. Automatinė širdies ir kraujagyslių analizės sistema žymėjo tam tikrą lervų pogrupį kaip netinkamą remdamasi kraujo tekėjimo greičio modeliais, tačiau rankomis atlikę vertinimą specialistai juos patvirtino kaip tinkamus. Mikroskope indai atrodė visiškai normalūs.
Grupė perleido mėginius fluorescencinės vaizdavimo sistemą. Indai struktūriškai buvo normalūs. Tačiau kraujo tekėjimas buvo sutrikęs. Ne labai ryškiai, ne taip, kad tai būtų sukėlę įspėjimą vizualinės apžiūros metu, bet nuosekliai ir pakartotinai lėtesnis gydomosios grupės narius lyginant su kontrolinėmis grupėmis. Tolimesni tyrimai nurodė subtilų endotelinio ląstelių funkcijos poveikį, kuris keitė indo sienelės lankstumą, nepakeisdami bendros morfologijos. Toks reiškinys niekada neišsiskleistų standartinėje histologinėje skiltyje.
Tai yra automatinio analizės vertės pasiūlymo iliustracija viename anekdote. Tai ne apie tai, kaip greičiau rasti tai, ką gali pastebėti išmokyta akis. Tai apie tai, kaip rasti tai, ko išmokyta akis iš viso nebuvo galėjusi pastebėti.
Apribojimai, apie kuriuos niekas nekalba konferencijose
Čia svarbu sąžiningumas. Širdies ir kraujagyslių sistemos analizės sistemos nėra magija, o šioje srityje iš tiesų yra realių problemų.
Pagrindinė problema – bendrojo taikymo galimybė. Modelis, išmokytas vienos populiacijos funduso vaizdų, gali būti nevienodai veiksmingas kitos demografinės grupės atveju. Giliųjų mokymosi funduso analizės apžvalga aiškiai nurodo, kad dabartiniai modeliai vis dar susiduria su iššūkiais, susijusiais su žemo kokybės vaizdais atsparumu ir klinikine aiškumu. jei įvesties vaizdas yra neaiškus, prastai apšviestas arba nufotografuotas kitokiu fotoaparato jutikliu, našumas sumažėja. Tai ne programinės įrangos klaida. Tai duomenų pasiskirstymo problema, kurią reikia sąmoningai inžineriškai spręsti.
Reguliavimo keliai vis dar yra išsisklaidę. FDA patvirtino kai kuriuos autonominius dirbtinio intelekto algoritmus diabetinės retinopatijos aptikimui, tačiau kraujagyslių anomalijų aptikimas apima platesnį ligų ir tyrimo metodų spektrą, kiekvienam iš jų taikant savitą validavimo reikalavimų sistemą. Taip pat kyla praktinis klausimas dėl darbo eigos integracijos. Įrankis, kuris suformuoja rizikos įvertinimą, yra naudingas tik tuo atveju, jei jis be trukdžių įsiterpia į esamą klinikinę procedūrą.
Atsakomiausias požiūris yra toks: automatinė kraujagyslių analizė yra būdas atlikti pradinį tyrimą ir nustatyti prioritetus. Ji papildo diagnostinį procesą, bet nekeičia angiogramos.
Komercinė ekosistema, stovinti šios technologijos pagrunde
Šių sistemų pervedimas nuo prototipo iki patikimo produkto nėra tik algoritmo problema. Tai gamybos ir tiekimo grandinės problema. Optiniai komponentai turi būti nuosekliai suderinti. Kameros jutikliams reikia atitikties jautrumo kreivėms. Žuvų zebrų platformoms skirtų skysčių tvarkymo modulių reikia išlaikyti fiziologines sąlygas tūkstančiuose bandomųjų šulinių, nenustatant kintamumo.
Čia įmonės, turinčios gilias gamybos šaknis laboratorijų prietaisų srityje, turi pranašumą. Medžiotojų laboratorija, organizacijos, kuri yra už žuvys-žuvys.com , įsitvirtino šio ekosistemos gamybos srityje. Įmonės veikla apima įrangos sluoksnį – nuo didelės našumo vaizdų fiksavimo modulių iki mikroskysčių komponentų – ir ypač dėmesio skiria serijų nuoseklumui, kurio reikalauja tyrimų lygio sistemos. Komandoms, vertinančioms širdies ir kraujagyslių analizės platformas, tiekimo grandinės klausimas gali atrodyti ne tokio svarbaus, tačiau dažnai būtent jis lemia skirtumą tarp sistemos, veikiančios vienoje laboratorijoje, ir sistemos, veikiančios penkiasdešimtyje laboratorijų.
Šios srities kitasis etapas bus nustatomas mažiau algoritmų pralūzimais ir daugiau inžinerinės disciplinos. Modeliai jau pakankamai geri, kad būtų naudingi. Tačiau padaryti juos patikimais, atkuriamais ir masiškai gaminamais – tai sudėtingesnė užduotis.