НОВОСТИ / РОССИЯСпециалисты из МФТИ создали цифровую модель сердца, предназначенную для оптимизации лечения фибрилляции предсердий. Инновационный подход к формированию трехмерных моделей сердечной мышцы позволит врачам точнее прогнозировать эффективность терапии у пациентов с мерцательной аритмией и сократить вероятность повторного возникновения заболевания после хирургического вмешательства. Статья с результатами исследования опубликована в журнале Computer Methods and Programs in Biomedicine.
Фибрилляция предсердий является одним из наиболее распространенных нарушений сердечного ритма. Прогнозируется, что в ближайшие 2 десятилетия распространенность этого заболевания среди лиц старше 60 лет достигнет 60%.
При данном состоянии предсердия сокращаются нерегулярно и с высокой частотой, что приводит к неритмичному сердцебиению. Пациенты испытывают такие симптомы, как одышка, головокружение и общая слабость. В тяжелых случаях аритмия может вызвать серьезные осложнения, включая инсульты и образование тромбов.
Лечение аритмии включает медикаментозную терапию или хирургическую процедуру, известную как катетерная абляция, в ходе которой разрушаются участки сердечной ткани, ответственные за нарушение ритма. Однако нередки случаи, когда после абляции аритмия рецидивирует. Использование компьютерных моделей сердца, разработанных на основе данных МРТ, может способствовать снижению числа рецидивов.
В ходе работы была спроектирована автоматизированная система, использующая глубокое обучение (искусственный интеллект) для прецизионной сегментации МРТ-снимков сердца. В дальнейшем это решение потенциально снизит трудозатраты врачей-кардиологов, обычно выполняющих ручную обработку МРТ. Это, в свою очередь, ускорит процесс диагностики для пациентов.
Мы создали специальный набор данных и стандартизированные протоколы для ручной маркировки, чтобы улучшить точность сегментации и сделать процесс менее трудоемким для врачей. Для этого мы собрали данные МРТ сердца из двух баз данных. После этого двое специалистов вручную их промаркировали, следуя стандартным протоколам, чтобы уменьшить количество ошибок. Для автоматизации процесса сегментации использовались нейросети, - рассказал Михаил Слотвицкий, ведущий научный сотрудник из лаборатории экспериментальной и клеточной медицины МФТИ.
Для оценки эффективности и точности нейросетей ученые использовали статистический анализ. В ходе исследования была сформирована новейшая база данных изображений, основанная на ручной разметке. Предложенная методика продемонстрировала высокую точность.
Используя предварительно обученную модель RIFE (нейронная сеть для обработки видео — прим. ред.), мы достигли коэффициента Дайса (показатель, определяющий точность работы нейросети — прим. ред.) около 89,1% для обработки изображений МРТ, что лучше, чем у традиционных методов. Показатели чувствительности и специфичности продемонстрировали...