Automatyczne wykrywanie wrodzonych wad serca w echokardiografii z użyciem sztucznej inteligencji
EchoFocus-CHD to wielozadaniowy model AI, który automatycznie wykrywa 12 krytycznych i 8 niekrytycznych wrodzonych wad serca w standardowej echokardiografii. W zewnętrznej kohorcie model dorównywał interpretacji ekspertów, co niesie obietnicę rozszerzenia deficytowej wiedzy z zakresu echokardiografii dziecięcej poza ośrodki akademickie. Konkretny przykład tego, gdzie obrazowanie wspomagane przez AI może szybko przynieść wartość kliniczną w podstawowej opiece zdrowotnej i mniejszych szpitalach.
Podsumowanie
Wstęp: Opóźnione lub pominięte rozpoznanie wrodzonej wady serca (CHD) przyczynia się do nadmiernej śmiertelności dzieci na całym świecie. Echokardiografia (echo) odgrywa kluczową rolę w rozpoznawaniu i segregacji CHD, jednak ekspercka interpretacja pozostaje deficytowym i nierównomiernie rozmieszczonym zasobem globalnym. Sztuczna inteligencja (AI) daje możliwość demokratyzacji diagnostyki i rozszerzenia interpretacji na poziomie eksperckim poza duże ośrodki akademickie, ale jej zastosowanie w CHD pozostaje słabo zbadane.Metody: Opracowaliśmy EchoFocus-CHD, model oparty na AI do automatycznego wykrywania 12 krytycznych i 8 niekrytycznych wad CHD, pojedynczo i jako zestawy złożone. Złożony wynik krytycznej CHD był pierwszorzędowym punktem końcowym. Model rozwija wielozadaniową architekturę niezależną od projekcji (PanEcho) o enkoder typu transformer, aby poprawić skupienie na istotnych projekcjach echo. Model był trenowany wewnętrznie (80%) i testowany (20%) na pierwszym badaniu echo każdego pacjenta z Boston Children’s Hospital (BCH), z dalszą oceną w kohorcie skierowań
Dołącz do nas
Dołącz do Globalnej Sieci Kardiologicznej Podstawowej Opieki Zdrowotnej. Członkostwo jest bezpłatne.
Czy chcą Państwo podać więcej informacji o sobie?
Zainteresowania
Wyślemy wiadomość e-mail z linkiem potwierdzającym rejestrację.





