ディープラーニングツールは小児リウマチ性心疾患の検出に役立つ可能性がある

2024 年 1 月 17 日 – 国立小児病院の研究者らは、小児の潜在的なリウマチ性心疾患 (RHD) を検出するためのディープラーニング (DL) を開発しました。これにより、リソースの少ない地域での症例の特定と治療が改善される可能性があります。 勉強 今週、 アメリカ心臓協会ジャーナル。

世界保健機関 (WHO) を示します RHD は 25 歳未満の人が罹患する最も一般的な心臓病であるとされています。この病気は主に小児に発生し、1 回以上の心臓の発作によって引き起こされる心臓弁の損傷によって引き起こされます。 連鎖球菌 細菌感染。 RHD は年間 300,000 人近くの死亡を引き起こしており、その大部分は低所得国と中所得国で発生しています。

早期に発見できれば、永久的な心臓損傷を引き起こす前に治療することができます。

ただし、RHD を検出するには、心臓専門医が心エコー図を読み取る必要があります。 心エコー図は非侵襲的であり、他の画像技術よりも広く利用可能ですが、心臓病学のような専門的な治療は、高所得国以外では利用できないか、制限されていることがよくあります。

このギャップを埋めるために、研究チームは、心臓専門医なしで心エコー図を使用してRHDを検出できる人工知能（AI）アプローチの開発を目指しました。

続きを読む： AI を活用した ECG 分析により右心系の問題を正確に予測

「この種の情報を解釈するには真の技術が必要ですが、私たちは今、機械に人間の目や脳よりも速く、おそらくより優れた学習を教える方法を知っています」とコナー家の博士課程、修士課程、マリウス・ジョージ・リングラル氏は説明した。研究とイノベーションの教授であり、チルドレンズ・ナショナルのシェイク・ザイード小児外科イノベーション研究所の主任研究員。 ニュースリリース。

「私たちは第二次世界大戦以来この診断と治療のアプローチを使用してきましたが、心臓専門医がはるかに少ない低中所得国とこの能力を世界的に共有することができませんでした。 AI の力を活用すれば、世界中の医療における公平性が向上すると期待しています。」

モデルを開発するために、研究者らは機械学習と DL モダリティを組み合わせて超音波読影アルゴリズムを構築しました。 このアルゴリズムは、超音波プローブとポータブル電子機器のシステムに組み込まれました。 ハンドヘルド超音波プローブ、タブレット、ラップトップで収集されたデータを使用して、アルゴリズムは心臓の画像から心臓サイズなどの RHD の特徴を正確に識別できます。

このシステムは、子供の心臓の大きさの変化など、肉眼では検出できない特徴にもフラグを立てることができます。 研究チームは、現在のRHDの診断基準では、小児の心臓サイズの代用として、66ポンド未満または66ポンドを超える2つの体重カテゴリーを使用していると指摘した。 ただし、心臓のサイズは両方のカテゴリー間で大きく異なる場合があります。

「私たちのアルゴリズムは、心臓のサイズを継続的に流動的な変数として認識し、調整することができます」と共同主著者でスタッフ科学者のプーネ・ロシャニタブリジ博士は述べた。 「医療従事者の手にかかると、このテクノロジーが人間の目や脳よりもはるかに迅速かつ正確に計算を行う能力を増幅し、数え切れないほどの命が救われることを私たちは期待しています。」

続きを読む： AI ツールは心臓弁膜症を検出し、心血管リスクを予測する可能性がある

研究者らは、このシステムにより世界中で RHD の検出と治療が大幅に改善される可能性があると主張しました。

「リウマチ性心疾患を予防する最も効果的な方法の一つは、非常に初期の段階で罹患している患者を見つけ、その患者に1日あたり数セントで毎月ペニシリンを投与し、リウマチ性心疾患で死亡する年間40万人の一人にならないようにすることである」病気です」とチルドレンズ・ナショナルの心臓病科暫定部門長クレイグ・セーブル医師は述べた。 「この技術が構築され、ニーズに応える大規模な普及が実現すれば、経済的に恵まれない国に精度の高いケアを提供し、世界中で右脳ヘルニアの撲滅に貢献できると私たちは楽観的に考えています。」

また、AI が他の心血管疾患の特定をどのように改善できるかを研究している研究者もいます。

先週、マウントサイナイのアイカーン医科大学の研究者らは、 明らかにした 彼らは、どの患者が右心室機能低下のリスクにさらされているかを正確に予測できる AI モデルを開発したと発表しました。

心臓の右心室は肺に血液を送り出す重要な役割を果たしており、心臓の右側に問題がある場合、早期にフラグを立てなければ、多くの有害な結果につながる可能性があります。

課題は、右心室駆出率 (RVEF) や拡張末期容積 (RVEDV) などの状態が従来の方法では簡単に評価できないことです。 AI モデルは、心電図と磁気共鳴画像法 (MRI) データに基づいて右心室の拡張、機能不全、RVEDV と RVEF の数値を予測することで、このギャップを埋めることを目指しています。