Sistemul, detaliat în revista Nature Communications, deschide calea pentru abordările de învățare multimodală să fie integrate mai adânc în imagistica medicală, cu potențialul de a îmbunătăți diagnosticul și rezultatele pacienților.
Cadru de învățare autosedințat vizionare-lingvistic pentru imagistica prin rezonanță magnetică cardiacă (CMR) folosește preantrenamentul contrastiv al imaginilor lingvistice (CLIP) și tratează scanările ca fiind videoclipuri ale inimii care bate.
Sistemul nou CMR-CLIP a depășit modelele existente cu 35% și a fost mai bun la identificarea patologiilor comune precum fibroza miocardică și hipertrofia ventriculară stângă.
De asemenea, a depășit alte modele la sarcinile computaționale comune precum recuperarea studiilor CMR sau a rapoartelor de radiologie și sarcinile de clasificare a bolilor.
„Sistemele precum CMR-CLIP au potențialul de a sprijini clinicienii prin screening automatizat și suport la interpretare, în special în medii în care cititorii experți sunt limitați”, a explicat cercetătorul David Chen, PhD, de la Cleveland Clinic.
„Astfel de instrumente asistente pentru cititori sunt esențiale pentru a îmbunătăți accesul pacienților la această tehnologie de diagnostic puternică.”
Imagistica prin rezonanță magnetică cardiacă este modalitatea definitivă de a diagnostica mai multe boli cardiace, inclusiv patologiile valvulare, cardiomiopatiile, bolile pericardice și aortice.
Cu toate acestea, interpretarea și documentarea fiecărui examen durează mult timp datorită cantității de informații colectate în fiecare examen CMR – adesea mai mult de 40 de minute per studiu.
Modelele vizionare-lingvistice antrenate folosind învățarea autosedințată sunt, prin urmare, cruciale pentru a reduce dependența de volume mari de date etichetate.
Cu toate acestea, abordările autosedințate convenționale care se bazează pe asocierea precisă imagine-text nu sunt întotdeauna fezabile pentru CMR, dat fiind faptul că poate vizualiza anatomia, fiziologia și microstructura inimii într-un singur examen.
Spre deosebire de modelele generaliste și alte modele specifice domeniului biomedical, care sunt antrenate folosind imagini individuale sau vederi limitate, CMR-CLIP incorporează o varietate largă de vederi cardiace standard și tipuri de imagini care reprezintă morfologia, funcția și viabilitatea miocardică.
Modelul de vizionare-lingvistic conectează imaginile și rapoartele asociate, tratând diferitele vederi ale inimii și tipurile de imagini ca o secvență de imagini în format video.
Modelul a fost antrenat pe peste un milion de imagini din peste 10.000 de studii unice într-o singură instituție și a avut rezultate bune la evaluare atât pe seturi de date interne, cât și externe.
Cercetătorii au declarat că a atins „performanțe remarcabile” la sarcinile clinice din viața reală, atingând precizii de 88,5% pentru cardiomiopatia non-ischemică, 88,0% pentru cardiomiopatia ischemică, 96,2% pentru amiloidoza cardiacă și 98,6% pentru cardiomiopatia hipertrofică.
„Această lucrare demonstrează că modelele de bază specifice domeniului pot depăși semnificativ sistemele AI de uz general.”
Sursa articol https://insideprecisionmedicine.com
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.
