Max Home IndustryПосле рождения ребенка врачи иногда исследуют плаценту — орган, связывающий мать с ребенком — на предмет признаков, указывающих на риск для здоровья при любой будущей беременности. К сожалению, это трудоемкий процесс, который должен выполняться специалистом, поэтому большинство плаценты не исследуются после родов. Команда исследователей из Университета Карнеги-Меллона (CMU) и Медицинского центра Университета Питтсбурга (UPMC) сообщают о разработке подхода машинного обучения для исследования слайдов плаценты в Американском журнале патологии, опубликованном Elsevier, чтобы больше женщин могли быть проинформированы об их рисках для здоровья.
Одна из причин исследования плаценты — это поиск типа поражения кровеносных сосудов, называемого децидуальной васкулопатией (ДВ). Это указывает на то, что мать подвержена риску преэклампсии — осложнения, которое может быть фатальным для матери и ребенка — при любой будущей беременности. После обнаружения преэклампсию можно лечить, поэтому выявление матерей из группы риска до появления симптомов дает значительную пользу. Однако, хотя на одном предметном стекле присутствуют сотни кровеносных сосудов, для указания риска необходим только один больной сосуд.
«Патологи годами тренируются, чтобы уметь находить болезнь на этих изображениях, но в больницах так много беременностей, что у них нет времени проверять каждую плаценту», — сказал Дэниел Клаймер, доктор философии, выпускник. Департамент машиностроения, CMU, Питтсбург, Пенсильвания, США. «Наш алгоритм помогает патологам узнать, на каких изображениях им следует сфокусироваться, путем сканирования изображения, определения местоположения кровеносных сосудов и поиска паттернов кровеносных сосудов, которые идентифицируют DV».
Машинное обучение работает путем «обучения» компьютера распознаванию определенных функций в файлах данных. В этом случае файл данных представляет собой изображение тонкого среза образца плаценты. Исследователи показывают компьютеру различные изображения и указывают, больна ли плацента или здорова. После достаточного обучения компьютер сможет самостоятельно определять пораженные участки.
Компьютеру довольно сложно просто посмотреть на большое изображение и классифицировать его, поэтому команда представила новый подход, с помощью которого компьютер выполняет ряд шагов, чтобы сделать задачу более управляемой. Во-первых, компьютер обнаруживает на изображении все кровеносные сосуды. Затем каждый кровеносный сосуд можно рассматривать индивидуально, создавая меньшие пакеты данных для анализа. Затем компьютер получит доступ к каждому кровеносному сосуду и определит, следует ли считать его больным или здоровым. На этом этапе алгоритм также учитывает особенности беременности, такие как гестационный возраст, вес при рождении и любые состояния, которые могут быть у матери. Если есть больные кровеносные сосуды, то изображение — и, следовательно, плацента — отмечается как больное. Команда UPMC предоставила изображения обезличенной плаценты для обучения алгоритму.
«Этот алгоритм не заменит патологоанатома в ближайшее время», — пояснил доктор Клаймер. «Цель здесь в том, чтобы этот тип алгоритма мог помочь ускорить процесс, пометив области изображения, которые патолог должен рассмотреть поближе».
«Это прекрасное сотрудничество между инженерией и медициной, поскольку каждая из них приносит свои знания, которые в совокупности создают новые открытия, которые могут помочь очень многим людям», — добавили ведущие исследователи Джонатан Кейган, доктор философии, и Филип Ледюк, доктор философии. профессора машиностроения в CMU, Питтсбург, Пенсильвания, США.
«Поскольку здравоохранение все больше принимает на себя роль искусственного интеллекта, важно, чтобы врачи на раннем этапе сотрудничали с компьютерными специалистами и инженерами, чтобы мы могли проектировать и разрабатывать правильные инструменты для работы, чтобы положительно повлиять на результаты лечения пациентов», — отметил соавтор. автор Liron Pantanowitz, MBBCh, бывший заместитель председателя по патологической информатике в UPMC, Питтсбург, Пенсильвания, США. «Это партнерство между CMU и UPMC — прекрасный пример того, чего можно достичь, когда это произойдет».