По словам авторов нового исследования, опубликованного сегодня (в пятницу) в European Heart Journal, отправка «селфи» врачу может быть дешевым и простым способом выявления сердечных заболеваний, сообщает сайт kilimandjara.
Исследование является первым, показывающим, что можно использовать компьютерный алгоритм глубокого обучения для обнаружения ишемической болезни сердца (ИБС), анализируя четыре фотографии лица человека.
Хотя алгоритм нуждается в дальнейшем развитии и тестировании на больших группах людей из разных этнических групп, исследователи говорят, что он может использоваться в качестве инструмента скрининга, который может выявить возможные сердечные заболевания у людей в общей популяции или у людей с высоким уровнем риска. группы риска, которых можно направить для дальнейших клинических исследований.
«Насколько нам известно, это первая работа, демонстрирующая, что искусственный интеллект можно использовать для анализа лиц с целью выявления сердечных заболеваний. Это шаг к разработке инструмента, основанного на глубоком обучении, который можно было бы использовать для оценки риска сердечных заболеваний. либо в амбулаторных клиниках, либо с помощью пациентов, делающих «селфи» для проведения собственного скрининга. Это может послужить ориентиром для дальнейшего диагностического тестирования или клинического посещения », — сказал профессор Чжэ Чжэн, который руководил исследованием и является заместителем директора Национального центра Сердечно-сосудистые заболевания и вице-президент больницы Фувай Китайской академии медицинских наук и Пекинского медицинского колледжа Союза, Пекин, Китайская Народная Республика.
Он продолжил: «Наша конечная цель — разработать самооценочное приложение для сообществ с высоким уровнем риска для оценки риска сердечных заболеваний до посещения клиники. Это может быть дешевым, простым и эффективным способом выявления пациентов, нуждающихся в дальнейшем исследовании. Однако, алгоритм требует дальнейшей доработки и внешней проверки на других популяциях и этнических группах ».
Уже известно, что определенные черты лица связаны с повышенным риском сердечных заболеваний. К ним относятся истончение или седые волосы, морщины, складка мочки уха, ксантеласматы (небольшие желтые отложения холестерина под кожей, обычно вокруг век) и роговые дуги (отложения жира и холестерина, которые выглядят как мутные белые, серые или синие непрозрачные кольца. по внешним краям роговицы). Однако людям трудно успешно использовать их для прогнозирования и количественной оценки риска сердечных заболеваний.
Профессор Чжэн, профессор Сян-Ян Цзи, директор Института мозга и познания на факультете автоматизации Университета Цинхуа в Пекине, и другие коллеги приняли в исследование 5796 пациентов из восьми больниц Китая в период с июля 2017 года по март 2019 года. Пациенты проходили процедуры визуализации для исследования кровеносных сосудов, такие как коронарная ангиография или коронарная компьютерная томографическая ангиография (CCTA). Они были случайным образом разделены на обучающие (5216 пациентов, 90%) или проверочные (580, 10%) группы.
Обученные медсестры-исследователи сделали четыре фотографии лица с помощью цифровых фотоаппаратов: один фронтальный, два профиля и один вид верхней части головы. Они также опросили пациентов, чтобы собрать данные о социально-экономическом статусе, образе жизни и истории болезни. Радиологи изучили ангиограммы пациентов и оценили степень сердечного заболевания в зависимости от того, сколько кровеносных сосудов сужено на 50% или более (стеноз ≥ 50%), и их местоположения. Эта информация использовалась для создания, обучения и проверки алгоритма глубокого обучения.
Затем исследователи протестировали алгоритм еще на 1013 пациентах из девяти больниц Китая, зарегистрированных в период с апреля по июль 2019 года. Большинство пациентов во всех группах были китайской национальности хань.
Они обнаружили, что алгоритм превзошел существующие методы прогнозирования риска сердечных заболеваний (модель Даймонда-Форрестера и клиническая оценка консорциума CAD). В проверочной группе пациентов алгоритм правильно обнаружил болезнь сердца в 80% случаев (истинно положительный показатель или «чувствительность»), а правильно обнаруженное заболевание сердца не присутствовало в 61% случаев (истинно отрицательный показатель или «специфичность»). В тестовой группе чувствительность составила 80%, а специфичность — 54%.
Профессор Джи сказал: «Алгоритм имел умеренную производительность, и дополнительная клиническая информация не улучшила его производительность, а это означает, что его можно было легко использовать для прогнозирования потенциального сердечного заболевания, основываясь только на фотографиях лица. Щека, лоб и нос предоставили больше информации к алгоритму, чем другие области лица. Однако нам необходимо улучшить специфичность, поскольку количество ложных срабатываний до 46% может вызывать беспокойство и неудобства для пациентов, а также потенциально перегружать клиники пациентами, требующими ненужных тестов ».
Помимо необходимости тестирования в других этнических группах, ограничения исследования включают тот факт, что только один центр в тестовой группе отличался от тех центров, которые предоставляли пациентов для разработки алгоритма, что может еще больше ограничить его применимость к другим группам населения.
В сопроводительной редакционной статье Хараламбос Антониадес, профессор сердечно-сосудистой медицины Оксфордского университета, Великобритания, и доктор Христос Котанидис, студент DPhil, работающий под руководством профессора Антониадеса в Оксфорде, пишут: «В целом исследование Лин и др. Подчеркивает следующее: новый потенциал в медицинской диагностике … Надежность подхода Lin et al. заключается в том, что их алгоритм глубокого обучения требует простого изображения лица в качестве единственного ввода данных, что делает его легко применимым в больших масштабах.»
Они продолжают: «Использование селфи в качестве метода скрининга может дать простой, но эффективный способ отфильтровать население в целом для более комплексной клинической оценки. Такой подход также может быть очень актуален для регионов мира, которые недофинансированы и имеют слабые программы скрининга для сердечно-сосудистые заболевания. Процесс отбора, который можно сделать так же просто, как сделать селфи, позволит создать стратифицированный поток людей, которые будут направлены в системы здравоохранения для проведения диагностического тестирования первой линии с помощью CCTA. Действительно, люди с высоким риском могут иметь CCTA, которая позволит надежно стратифицировать риски с использованием новых, основанных на AI методологий для анализа изображений CCTA ».
Они подчеркивают некоторые ограничения, которые проф. Чжэн и проф. Цзи также включают в свою статью. К ним относятся низкая специфичность теста, необходимость улучшения и валидация теста на более крупных группах населения, а также то, что он поднимает этические вопросы о «неправомерном использовании информации в дискриминационных целях. Нежелательное распространение конфиденциальных данных медицинских карт, которые можно легко извлечь Судя по фотографии лица, технологии, подобные обсуждаемой здесь, представляют серьезную угрозу для защиты персональных данных, потенциально влияя на варианты страхования. Такие опасения уже высказывались по поводу неправомерного использования генетических данных, и их следует тщательно пересмотреть в отношении использования ИИ в медицине. «
Авторы исследования согласны с этим. Профессор Чжэн сказал: «Этические вопросы при разработке и применении этих новых технологий имеют ключевое значение. Мы считаем, что в будущих исследованиях клинических инструментов следует уделять внимание конфиденциальности, страхованию и другим социальным последствиям, чтобы гарантировать, что инструмент используется только в медицинских целях. целей «.
Проф. Антониадис и доктор Котанидис также пишут в своей редакционной статье, что определение ИБС как стеноз ≥50% в одной крупной коронарной артерии «может быть упрощенной и довольно грубой классификацией, поскольку она объединяет людей, не страдающих ИБС, которые действительно здоровы, но также люди, у которых уже развилось заболевание, но все еще находятся на ранних стадиях (что может объяснить наблюдаемую низкую специфичность) ».
