ИИ помогает медикам без специальной подготовки проводить УЗИ для наблюдения за беременностью

По оценке Всемирной организации здравоохранения, ежегодно в мире происходит более 250 000 предотвратимых смертей из-за осложнений беременности. УЗИ во время беременности помогает улучшить исходы и снизить смертность матерей и плода, но двум третям жителей планеты недоступна диагностическая визуализация, включая ультразвук. Методы поддержки здоровья матерей во многом требуют специальной клинической подготовки, поэтому миллионы женщин в регионах с ограниченными ресурсами не проходят УЗИ ни разу за всю беременность.

Исследователи решили проверить, можно ли использовать машинное обучение для анализа так называемых слепых сканирований. При таком подходе медработник без специальной подготовки по УЗИ проводит недорогим портативным датчиком по животу, следуя стандартной схеме.

Традиционная подготовка сонографистов стоит дорого и занимает несколько лет, а во многих регионах не хватает специалистов. Если медработники смогут проводить оценку после минимального обучения, это может расширить охват пренатальным скринингом. В сочетании с анализом ИИ такой подход может увеличить доступность оценки беременности с помощью УЗИ и улучшить качество медицинской помощи матерям.

В исследовании «Обобщение оценки срока беременности с помощью ИИ по данным слепого ультразвукового сканирования», опубликованном в JAMA Network Open, авторы проверили, насколько хорошо модель оценивает срок беременности в разных клиниках и с разным оборудованием. В предыдущей работе её тестировали на новых пациентах из той же ретроспективной когорты, на которой она обучалась. Новое проспективное исследование проверило работу системы в реальных клиниках: на мобильных устройствах, с начинающими операторами, незнакомым модели оборудованием и минимальной дополнительной настройкой.

Срок беременности показывает, как далеко зашла беременность. На него опираются при скрининге, выборе многих методов лечения и определении показаний к родам.

Проверка в разных клиниках

Чтобы медицинская система на основе ИИ могла безопасно применяться в разных странах, она должна сохранять точность в клиниках с другими группами пациентов, рабочими процессами и моделями УЗИ-оборудования.

Исходную модель немного донастроили на одной из двух целевых групп, а затем проспективно проверили в обеих клинических средах:

Изначально исследовательскую систему обучали на данных УЗИ, собранных в Северной Каролине и Замбии с помощью коммерческих датчиков Sonosite, GE и Butterfly Networks. В исследовании её использовали с Clarius C3 — коммерческим портативным датчиком для сканирования через живот. Участки исследования различались, в частности, сроком первого обращения женщин за дородовой помощью, количеством плановых УЗИ и обычными методами определения срока беременности.

Для настройки модели под новое оборудование и расширения диапазона оценки за пределы 36 недель исследователи использовали небольшой пилотный набор: 120 участниц из Чикаго, примерно 6% исходного обучающего набора. Данные из Найроби для донастройки не использовали, чтобы кенийская проверка оставалась полностью независимой внешней оценкой. В исследование также включили многоплодные беременности: они могут осложнять отслеживание и измерения как для медработников, так и для автоматических систем.

Модель для слепых сканирований обучили на данных 1 968 участниц из Северной Каролины и Замбии, а затем донастроили на сканированиях 120 участниц из Чикаго. В Чикаго её проспективно проверили на 192 участницах, в Найроби — на 193. Данные из Найроби при настройке не использовали. В обеих клиниках модель не уступила экспертам-сонографистам: общая средняя абсолютная ошибка составила 4,18 дня против 4,48 дня у экспертов.

Точность на уровне экспертной оценки

Авторы сравнили оценку срока беременности по слепым сканированиям с клиническим стандартом — расчётом по формулам на основе измерений, которые выполняет эксперт-сонографист. Для этого специалист должен найти несколько заданных сечений плода и провести точные биометрические измерения. Такая работа требует многолетней подготовки, зависит от оператора и плохо подходит для масштабирования.

В основной группе из 385 участниц на сроке от 16 до 36 недель исследование показало следующие результаты:

При крайних значениях предполагаемого веса плода — выше 90-го процентиля — модель в исследовательских оценках превзошла традиционные формулы биометрии. По данным авторов, она сохраняла устойчивость при различиях в размерах плода.

Источник: research.google

Уроки внедрения в клиниках

Проспективное исследование позволило наблюдать за работой ИИ в повседневных клинических процессах и корректировать систему с учётом практических условий. Например, при последовательном обследовании пациентов сменные батареи оказались удобнее док-станций, к которым нужно подключать устройство для зарядки.

Авторы также отмечают, что для внедрения таких систем нужно завоевать доверие врачей и пациентов. Один из возможных способов — встроить в приложение понятные меры защиты. Например, оценки уверенности модели могут помочь ей отклонять сканирования низкого качества и показывать врачу, насколько надёжен результат.

Расширение доступа к помощи

Результаты показывают, что системы на основе ИИ могут анализировать стандартные «слепые сканирования», выполненные операторами без специальной подготовки по ультразвуковой диагностике. По точности оценка срока беременности сопоставима с нынешним стандартом — работой экспертов и более дорогих стационарных УЗИ-аппаратов. Проверка в разных клинических условиях, с разным оборудованием и меняющимися группами пациентов стала шагом к оценке того, насколько такой подход может расширить доступ к важной услуге для здоровья матерей.

Если медработники в местных сообществах смогут проводить надёжные УЗИ-обследования после минимального обучения, это может расширить охват пренатальной помощью в регионах с ограниченными ресурсами. Исследование масштабируемой технологии закладывает основу для более устойчивой и доступной системы здравоохранения, чтобы у каждой женщины, независимо от места жительства, был шанс на здоровую беременность и безопасные роды.

Работа по применению ИИ непосредственно в клиниках — один из возможных способов реализовать более широкую цель Google по расширению доступа к здравоохранению. Полученные результаты помогают развивать исследования медицинских систем нового поколения, которые объединяют разные типы данных. Авторы рассчитывают, что дальнейшая работа даст разработчикам и учёным ответы, необходимые для улучшения клинической помощи и повышения её доступности.

Благодарности

Авторы поблагодарили соавторов из Google Research, Jacaranda Health и Медицинской школы Фейнберга Северо-Западного университета: Чейса Ли, Джастина Кроугью, Аннеку Викраманаяке, Стейси Кэрон, Приску Черуйот, Эмбер Уоттерс, Алисию Мартин, Тию Тиясирачокчай, Акиба Уддина, Юнь Лю, Патрицию Страчан, Санни Янсен, Алиссу Санти, Прити Сингх, Кэтрин Аргуэльес, Кеннета Хадсона, Дэвида Мелника, Махеша Вайдьянатана, Моззияра Этемади, Йосси Маттиаса, Авинатана Хасидима, Грега Коррадо, Шрути Прабхакару, Дэниела Голдена, Райана Г. Гомеса и Шравью Шетти. Также авторы поблагодарили Пи-Чуань Чанга и Дейла Уэбстера за рецензирование работы.