A Fujitsu a RIKEN kutatóintézettel és a Showa Egyetemmel közösen MI-alapú módszert dolgozott ki a gyakori csecsemőkori haláloknak számító veleszületett szívrendellenességek korai magzati diagnosztizálásához.
Hatékony szűrővizsgálat a veleszületett szívbetegség azonosítására
Az újszülöttek egy százaléka a szív vagy a vénák rendellenességei által okozott, veleszületett szívbetegségben szenved. A csecsemőkori halálesetek mintegy 20%-át súlyos veleszületett szívrendellenességek okozzák. A gyógyászati technológia fejlődésével a szülés előtt felfedezett szívbetegségek jó eséllyel sikeresen kezelhetők, javítva ezzel a betegek életkilátásait. A rendellenességek azonosításában kulcsszerepet játszik a terhességi vizsgálatok részeként elvégzett magzati szívultrahang-szűrés.
A Fujitsu, a RIKEN és a Showa Egyetem közös kutatócsoportja* kidolgozta a magzati szívultrahang-szűrés új technológiáját. A megoldás mesterséges intelligencia (MI) segítségével, automatikusan, nagy pontossággal azonosítja a magzati szívrendellenességeket, és közérthető módon jeleníti meg a vizsgálat eredményeit.
Az egészséges magzati szívre (pl. az egyes részek egymáshoz viszonyított helyes pozíciójára) vonatkozó adatok alapján betanított mesterséges intelligencia összehasonlítja ezeket az adatokat a szív és a nagy vénák tényleges vizsgálati adataival az esetleges rendellenességek észlelésére. A rendszer valós időben, lista formátumban jeleníti meg az eredményeket.
*: A Fujitsu és a RIKEN 2017 áprilisában hozták létre a RIKEN AIP-Fujitsu együttműködési központot. Az együttműködő kutatásokat végző létesítmény célja a "kiszámíthatatlant előre jelző MI-technológia" fejlesztése. A japán egyetemei kórházak közül a Showa Egyetemi Kórház négy szülészeti osztálya rendelkezik a legmagasabb születésszámmal.
Kutatási projekt társadalmi probléma megoldására
A magzati szívultrahang-szűrési technológia fejlesztésében szülész-nőgyógyászok is részt vesznek. Sok orvos kiemelten fontosnak tartja a veleszületett szívbetegségek minél korábbi felismerését. Ezek sikeres kezelésének esélyét növeli, ha már születés előtt ki tudják dolgozni a részletes kezelési tervet (tehát magzati korban el tudják végezni a szükséges előkészületeket, és előre megtervezett módon vezethetik le a szülést a megfelelő orvosi hátteret nyújtó kórházban).
Bár a szűréseknek köszönhetően az utóbbi években javult a helyes diagnózisok aránya, még mindig nem éri el a kívánatos szintet. A magzati szív kicsi, nagyon összetett, és gyorsan működik. Fejlett technológiára van szükség ahhoz, hogy ultrahangos módszerrel megfelelően meg tudják vizsgálni. A vizsgálati technika sikere pedig nagy mértékben az orvos tapasztalatán múlik - a vizsgálat végzőjének személyétől függően eltérhetnek az eredmények. Ráadásul a szülész-nőgyógyászok száma az utóbbi időben csökkent, és a praktizáló szakemberek is erősen a nagyvárosokban koncentrálódnak, így az ellátás színvonala nem egységes a különböző régiókban.
Emiatt komoly problémát jelent a magzati szívbetegségek pontos észlelése és az ezzel kapcsolatos információk eljuttatása az orvosokhoz.
Az ultrahangos képalkotást támogató MI-kutatásokhoz fejlett elemző technológiára van szükség
Amint fent is írtuk, a magzati ultrahang-diagnosztika fejlett vizsgálati technológiát igényel. Emellett az ultrahangos képalkotást támogató MI-kutatás is rendkívül összetett folyamat. A mesterséges intelligenciát már régebben is használták az MI-vel támogatott orvosi képalkotás terén a röntgen-, a CT- és az MRI-felvételek készítésekor - ezek mindegyike a patológiás elváltozások észlelését segíti. A gépi tanulás használatához nagyfokú felismerési pontosság szükséges - ehhez pedig elegendő mennyiségű (több mint 100 ezer db) normális és rendellenes adatot kell összegyűjteni.
Mivel a veleszületett szívbetegség nem gyakori, nehézséget okoz a szükséges mennyiségű rendellenes adat összegyűjtése. Ezért a csapat ún. anomáliaészlelő technológiát** alkalmazott. Ez a technológia csak az egészséges állapotra vonatkozó adatokat használja fel a tanuláshoz, és rendellenesként ismer fel minden olyan adatot, amely eltér a tanult mintától. Az ultrahangos képalkotás azonban érzékeny a zajra (az árnyékokra), ami adatsérülést okoz, és a "normális" állapot adatainak rendellenesként történő érzékeléséhez vezet. Ahhoz, hogy a hagyományos technológiával, nagy pontossággal tudják észlelni a rendellenességeket, óriási mennyiségű egészséges állapotra vonatkozó adatra volt szükség, többféle zajmintával.
**: Olyan gépi tanulási technológia, amely csak a normális állapotra vonatkozó adatokból tanul, és a rendellenesként ismeri fel a tanult mintától elértő adatokat.
Objektumészlelési technológiára épülő rendellenesség-azonosítás
Erre a kihívásra válaszul az együttműködő kutatócsoport megvizsgálta a robusztus gépi tanulási technológia*** alkalmazásának lehetőségét. Ez a technológia kis mennyiségű adat, illetve hiányos adatok alapján is pontos előrejelzéseket tud adni. A csapat ezután kidolgozta a magzati szívszerkezet rendellenességeit objektumészlelés (azaz egyfajta mesterséges intelligencia) segítségével felismerő automatikus azonosító technológiát.
Az egészséges magzatok szívének szerkezete nagyon kevés ponton tér el egymástól. A szív mindig ugyanabban a helyzetben található, és részei (pl. billentyűk és vénák) is azonosak. Az ultrahangos szűrés úgy észleli a rendellenességet, hogy megvizsgálja, milyen pozícióban kell elhelyezkedniük az egyes részeknek normál körülmények között. A kutatócsoport erre a tényre, valamint a képen rögzített különféle objektumpozíciók és -típusok hatékony megkülönböztetésére képes objektumészlelő technológiára támaszkodva azonosítja a rendellenességeket.
Az objektumészlelő technológiát támogató gépi tanulásnál a normál képek egyes részeihez rendelt helyes név és pozíció képezi a normál információként felhasznált "tanulási adatsort". A technológia az adatok "betanulása" alapján kifejlesztett objektumészlelő technológiával észleli a vizsgálatban rögzített ultrahangos képen a szív részeit.
- ábra: Példa a szívkamrák közötti sövény rendellenességeinek azonosítására objektumészlelő technológia segítségével
(a) Így kell kinéznie a szívkamrák közötti sövénynek az egészséges magzati szívben (pirossal jelölve) - ezek az objektumészlelő technológia tanulási adatai. (b) A technológia észleli az adott orvosi esetnél a kamrák közötti válaszfal tényleges megjelenését, azaz a kamraközi sövény rendellenességét (fehérrel jelölve). A rendszer az észlelt különbségtől függően ítéli rendellenesnek az adott esetet.
Ezzel a technológiával rendkívül nagy pontossággal lehet észlelni a konkrét szívrészeket. Az észlelt állapotot az egészséges szív részeire jellemző pozíciókkal összehasonlítva még akkor is észlelhetők a rendellenességek, ha a kép hiányos vagy zajos.
***: A hagyományos gépi tanulás nem tud kielégítő előrejelzést adni nagy adatmennyiség, illetve jó minőségű, teljes adatok nélkül. A robusztus gépi tanulási technológia olyan innovatív alaptechnológia, amely kis mennyiségű adat vagy hiányos adatok alapján is képes pontosan előre jelezni a jövőt (robusztus előrejelzés).
Automatikus valós idejű rendellenesség-észlelést biztosító magzati szívultrahang-szűrési technológia
Az együttműködő kutatócsoport ezt az objektumészlelő technológiát alkalmazta a magzati szívultrahang-szűrési technológia kifejlesztésekor. A nagyfokú diagnosztikai pontosság érdekében 2000 egészséges magzati szívről készült képet használtak fel a technológia betanítására.
A jelenlegi technológiánál a vizsgálat végzőjének ultrahangos szondát kell végighúznia a kismama hasán, és meghatározott irányban kell felvételt készítenie a magzatról a gyomor irányából a szív felé. A magzati szív és a perifériás szervek 18 különböző részét összehasonlítják a rögzített mozgóképpel, és gyors számítást végeznek a megbízhatóság és annak ellenőrzésére, hogy minden úgy néz-e ki a képen, ahogy kell. Az eredmények valós időben jelennek meg a kontrollképernyőn. Ha valamely rész nem vagy nem megbízhatóan észlelhető, a rendszer ezt rendellenesként jelöli meg.
A gyakori szívbetegségnek számító Fallot-tetralógiát például sövényhiány és verőérszűkület jellemzi a szív egyik oldalán. Ezek a részek gyakran nem szerepelnek az ultrahangos képen, de az új technológia ellenőrzi a normál pozíciót, és ha ezt nem találja, rendellenességet jelez.
Optimális diagnózis az észlelés eredményeinek újszerű megjelenítésével
Az észlelés eredményei színes vonalkódalapú diagramon jelennek meg. A vízszintes tengely a beolvasás idővonala, míg a függőleges tengelyen jelennek meg az egyes szívrészek. Az MI kék színnel jelöli a nagy megbízhatósággal észlelt és szürkével a kevésbé megbízható eredményeket.
- ábra: A magzati szívultrahang-szűrési technológia által készített kimeneti kép
- ábra: A vizsgálati eredmények megjelenítésének új módszere
A felső (a) diagram normál esetet mutat, míg az alsó (b) diagram Fallot-tetralógiát. Ennek alapján könnyen megérthető és megmagyarázható, mely rész volt a rendellenesség-észlelés forrása. Ebben az esetben piros szaggatott vonallal van bekeretezve a kritikus rész.
Az állóképekkel ellentétben az ultrahangos vizsgálatoknál használt keresztmetszeti videók lejátszása hosszú ideig tart, és nehéz róluk első pillantásra bármit is megállapítani. Az új technológiával azonban az orvosok minden egyes résznél látják az észlelési állapotot, ami jelentősen lerövidíti az ellenőrzéshez szükséges időt.
Az objektumészlelési technológia emellett arról is gondoskodik, hogy a vizsgálati eredmények minősége mindenkor következetes legyen - függetlenül a vizsgáló személyzet gyakorlottságától. Az orvos a megjelenített diagramon azonosíthatja és elmagyarázhatja, mely részt észlelte rendellenesként a technológia. Az ultrahang-specialisták nagyra értékelik az új rendszert, amellyel a videólejátszásnál könnyebben azonosítható és értelmezhető a szív teljes felépítése.
Tervek és a jövő
Az új fejlesztésű technológia megszünteti a vizsgáló személyek képértelmezési képességeinek különbségéből adódó eltéréseket, és támogatja a pontos magzati ultrahang-vizsgálatok végzését. Ezzel a technológiával a várakozások szerint megbízhatóbban lehet majd azonosítani a korai észlelést igénylő súlyos és komplex veleszületett szívbetegségeket.
A továbbiakban a kutatók több százezer magzati ultrahangkép rögzítését tervezik, ami pontosabbá teszi majd a szűrést, és kibővíti az ellenőrzi vizsgálatokhoz használható objektumok körét. Különböző japán és tengerentúli tudományos társaságok bevonásával a megoldás megbízhatóságát alaposabban is tesztelni fogják a veleszületett szívbetegségek különböző fajtáira vonatkozó további adatok gyűjtésével és ellenőrzésével.
A Fujitsu MI-technológiai platformját, a "Human Centric AI Zinrait"*** felhasználva szeretnénk megkezdeni az új megoldás korai klinikai alkalmazását a magzati ultrahang-szűrés terén. Ennek érdekében együttműködést kezdeményeztünk az ultrahangos berendezések gyártóival.
****: MI-technológiai rendszer, amelyet a Fujitsu a társadalom rendelkezésére bocsátott a folyamatos növekedést támogató, valamint az együttműködő, emberközpontú mesterséges intelligencia fejlesztéséhez.
Digitális co-creation együttműködés
A kutatási projekt a különböző háttérből érkező résztvevők, például a Fujitsu és a RIKEN MI-kutatói és a szülészeti-nőgyógyászati terület ultrahang-specialistái "co-creation" szemléletű közös munkájának köszönheti áttörő eredményeit.
Az együttműködő kutatócsoport végső célja, hogy a technológiát minden kórházban és terhességi vizsgálatokat végző helyen elérhetővé tegye a veleszületett szívbetegségek korai diagnosztizálására. A Fujitsu szeretné elérni, hogy az egészségügyi szakemberekkel és modern vizsgálati eszközökkel kevésbé ellátott területek orvosai mielőbb hozzáférjenek a pontos szűrést és távdiagnosztikai lehetőségeket biztosító megoldáshoz. A technológia bevezetését nem csupán Japánban, hanem globális szinten tervezi.
A kutatási projekt széles körű kiterjesztése érdekében ösztönözzük az értékes digitális technológiai és egyéb tudással rendelkező szakemberek együttműködését, és mindent megteszünk annak érdekében, hogy a társadalom számára innovatív értéket teremtve, elősegítsük az emberek számára élhetőbb jövő megvalósulását.