Штучний інтелект навчили визначати склад тіла за рентгеном грудей

Компанія Truveta оприлюднила результати дослідження, опублікованого в журналі Radiology Advances, яке демонструє можливості штучного інтелекту для оцінки складу тіла людини. Вчені розробили мультимодальну модель глибинного навчання, здатну визначати критичні показники композиції тіла, зокрема обсяги вісцерального та підшкірного жиру, використовуючи лише рентгенівський знімок грудної клітки та базові клінічні дані.

Дослідницька група створила модель, яка поєднує рентгенограми грудної клітки з чотирма основними клінічними змінними: віком, статтю при народженні, зростом та вагою. Ці параметри зазвичай вимірюються за допомогою комп'ютерної томографії. Для аналізу використали дані понад 1100 пацієнтів із підмножини медичних систем, що входять до мережі Truveta у Сполучених Штатах.

Мультимодальна модель продемонструвала високу точність у визначенні обсягу підшкірного жиру з коефіцієнтом кореляції Пірсона 0,85 та обсягу вісцерального жиру з коефіцієнтом 0,76. Найкращі результати показала стратегія пізнього злиття, яка об'єднує дані візуалізації та клінічні показники на рівні прийняття рішень. Для підшкірного жиру статистична значущість становила менше 0,04.

Мультимодальна модель перевершила підходи, що базуються виключно на візуалізації або лише на клінічних даних, за всіма ключовими показниками композиції тіла. Для обсягу підшкірного жиру статистична значущість становила менше 0,001.

Склад тіла є важливим предиктором серцево-судинних захворювань, діабету та прогнозу онкологічних захворювань. Традиційні методи вимірювання цих показників, такі як магнітно-резонансна томографія або комп'ютерна томографія, є дорогими, ресурсномісткими та не завжди доступними для пацієнтів. Дослідження показує, що рентгенограма грудної клітки, один із найпоширеніших та найдоступніших методів візуалізації, може слугувати недорогим масштабованим інструментом для оцінки складу тіла у поєднанні зі штучним інтелектом.

«Наша робота показує, що ми можемо отримати клінічно значущу інформацію з рентгенівського знімка грудної клітки — обстеження, яке щороку проходять мільйони людей», — зазначив Ехсан Аліпур, доктор медицини та філософії, науковий співробітник з машинного навчання в Truveta та провідний автор дослідження. «Поєднавши візуалізацію лише з кількома простими клінічними змінними, ми створили потужний та доступний спосіб оцінити склад тіла, який може допомогти покращити скринінг, дослідження та, зрештою, догляд за пацієнтами».

Дослідження використало дані Truveta Data — найповніший, своєчасний та репрезентативний набір деідентифікованих електронних медичних записів у США, наданий провідними системами охорони здоров'я. Дані візуалізації були пов'язані з клінічними змінними в різних медичних системах, що дозволило розробити та перевірити цю мультимодальну модель штучного інтелекту.

Модель глибинного навчання доступна як бібліотека Python для експериментів у GitHub компанії Truveta, що дозволяє іншим дослідникам використовувати та вдосконалювати цю технологію.

Truveta є компанією, що спеціалізується на аналізі реальних даних та трансформації медичної науки за допомогою безпрецедентних даних та прогнозного штучного інтелекту. Компанія сприяє проривним відкриттям, прискорює отримання доказів регуляторного рівня та надає інформацію в режимі реального часу з набору даних, унікально створеного медичними системами США.

До членства Truveta входять понад тридцять провідних систем охорони здоров'я США, включаючи Providence, Advocate Health, Trinity Health, Tenet Healthcare, Northwell Health та інші великі медичні мережі, об'єднані місією порятунку життів за допомогою даних.