Ученые МФТИ научили нейросеть диагностировать состояние коронарных сосудов

Научили нейросеть диагностировать состояние коронарных сосудов

Ишемическая болезнь сердца является одной из ведущих причин инвалидности и смерти в мире. Частой ее причиной выступает стеноз коронарных артерий — сужение просвета сосудов, по которым кровь доставляет питательные вещества к сердечной мышце. Оценка степени развития стеноза очень важна и диктует выбор между неинвазивным лечением, например, введением лекарств, и хирургическими вмешательствами, например, установкой стентов. Современным «золотым стандартом» для выбора вида лечения являются значения нескольких гемодинамических индексов. Для их прямого измерения в клинике используются сосудорасширяющие препараты, и внутрь сосудов вводятся специальные ультразвуковые датчики. Междисциплинарной группой ученых из МФТИ, ИВМ РАН и Сеченовского университета предложен альтернативный способ оценки скорости пульсовой волны и эластичности сосудов без проникновения в организм и использования медикаментов. Результаты по апробации и использованию нейросети опубликованы в журнале первого квартиля Mathematics.

Основные гемодинамические индексы — показатели работы сердечно-сосудистой системы: фракционный резерв кровотока, коронарный резерв кровотока и мгновенный безволновой коэффициент. Разработанная научной группой нейросеть позволяет настраивать параметры вычислительной модели с учетом индивидуальных особенностей пациента. Обучение нейросети проводилось на основе базы данных, содержащей характеристики так называемого «виртуального населения», то есть набор параметров, которые были рассчитаны с помощью нескольких тысяч вычислительных моделей, описывающих воображаемых пациентов различного возраста и пола, имеющих различную эластичность сосудов, частоту сердцебиения и периферическое сопротивление. Проверка нейросети была сделана на анонимизированных ретроспективных данных 100 реальных пациентов, проходивших обследование в Сеченовском университете, и такой подход позволил получить достаточно хорошую точность. Главное преимущество предложенного метода состоит в том, что он позволяет оценить такие трудноизмеримые параметры, как скорость пульсовой волны в аорте (волна повышенного давления) и эластичность сосудов, по широкодоступным данным, которые включают возраст, ударный объем, пульс, систолическое, диастолическое и среднее артериальное давление.

«Эта работа является продолжением серии исследований, посвященных численному анализу фракционного резерва кровотока. Именно этот показатель позволяет кардиологам обоснованно принять решение о необходимости установки стента в коронарные сосуды. Наша модель основана только на неинвазивно собранных данных от конкретных пациентов, но позволяет рассчитывать этот показатель почти с той же точностью, что и прямые измерения внутри тела. С каждым новым витком работы мы улучшаем модель, и сейчас нам удалось повысить точность за счет использования нового алгоритма оценки эластичности сосудов с помощью нейросети», — рассказал о проекте Сергей Симаков, заведующий кафедрой вычислительной физики МФТИ.

В итоге новый метод позволил повысить точность оценки фракционного резерва кровотока на 4%. Проведенные вычислительные эксперименты также показали, что гемодинамическая важность стенозов возрастает у пациентов с повышенной скоростью пульсовой волны в аорте до 10–15 м/с, которая связана со снижением эластичности ее стенок.

«Данный подход мы протестировали на анонимизированных данных пациентов — около 100 человек в Сеченовском университете. У пациентов ранее уже были измерены скорости пульсовых волн в аорте, а мы применили нейросеть и сравнили результаты. В итоге получился достаточно высокий процент совпадений, если учесть, что модели виртуальных пациентов, использованные для обучения нейросети, описывают скорее здоровые случаи, а в Сеченовском университете мы рассматривали данные реальных пациентов с сердечно-сосудистыми заболеваниями. Наш следующий шаг состоит в построении новых моделей кровотока у “виртуального населения” для обучения нейросети с учетом наличия различных  заболеваний», — подытожил Сергей Симаков.

Получить диплом магистра Data Science от ведущего технического вуза России

Нажмите для оценки!
[Всего: 0 В среднем: 0]

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *

4 × два =