Як ШІ може допомогти в діагностиці легких струсів мозку

Багато пацієнтів із легким струсом мозку навіть не усвідомлюють, чи є це спортивною травмою, ударом хлиста чи ударом голови, навіть не усвідомлюючи, що їхня незначна травма, якщо її не лікувати, може спричинити серйозні проблеми зі здоров’ям на все життя. Навіть якщо пацієнт звертається до відділення невідкладної допомоги зі своєю травмою, за оцінками, 50–90% випадків струсу мозку обходяться без офіційного діагнозу, що наражає його на ризик небезпечних ускладнень, таких як крововилив у мозок і когнітивні порушення.

Нове дослідницьке співробітництво між Школою інженерії USC Viterbi та Школою геронтології USC Леонарда Девіса використало потужну модель машинного навчання для прогнозування стану струсу мозку у пацієнтів. Робота під керівництвом Бенджаміна Хакера була опублікована в Journal of Neurotrauma.

Струс мозку — це форма черепно-мозкової травми, яка може спричинити тимчасові зміни функції мозку. Хакер сказав, що поточна клінічна практика діагностики струсу мозку часто спирається на основні когнітивні тести, такі як шкала коми Глазго, інструмент, який використовується для оцінки рівня свідомості, сприйнятливості та пам’яті пацієнта.

З усім тим, багато пацієнтів із легким струсом мозку ніколи не втрачають свідомість і можуть не мати традиційних когнітивних симптомів, які полегшили б їх діагностику. Хакер сказав, що існуюче тестування недостатньо чутливе, щоб виявити багато легких випадків.

Neurology Thursday повернулись! Перегляньте записи заходів, що завершились та не забудьте зареєструватись на ті, що ще будуть!

«Ми побачили можливість вписатися в цей проміжок між «зовсім не струсом мозку» та струсом мозку, який є досить серйозним, щоб його постійно виявляли», — сказав Хакер, який написав статтю як студент USC Viterbi, а зараз є студентом магістратури. на кафедрі хімічної інженерії та матеріалознавства сім'ї Морк.

«Клініцист, — додав він, — не обов’язково збирається замовляти візуалізацію та МРТ для людини, у якої немає жодних симптомів. Ідея полягає в тому, щоб це був вторинний метод, який може допомогти клініцисту, коли у пацієнта є певні симптоми, але вони не мають точного діагнозу струсу мозку, заснованого виключно на когнітивних тестах».

Хакер сказав, що він і його співробітники на чолі з Андрієм Іріміа, доцентом геронтології, біомедичної інженерії та нейронауки в Школі геронтології Леонарда Девіса USC, побудували свою модель, використовуючи дані МРТ-сканування мозку здорових контрольних зразків і людей зі струсом мозку. Зображення, на яких базується класифікатор, відоме як дифузійно-зважене зображення, яке вимірює, як рідина рухається через мозок різними шляхами з’єднання.

«Ці дані кількісно визначають спрямованість дифузії між різними регіонами мозку. Вони говорять нам, наскільки сильно пов’язані ці різні вузли. Потім ми використали машинне навчання для розробки класифікатора», — сказав Хакер.

«Ми навчили цей класифікатор на досліджуваному зразку, щоб навчити його, чим відрізняються матриці зв’язності здорових і поранених людей. Потім, коли ми надали йому незалежні тестові зразки, він зміг виявити, хто з цих суб’єктів отримав струс мозку, а хто здоровий, ґрунтуючись на моделях у матриці зв’язків мозку та на силі певних нейронних шляхів».

Хакер і його команда виявили, що їх модель класифікатора працювала неймовірно добре, демонструючи 99% точності як у навчальних, так і в тестових зразках.

«Це набагато вища точність, ніж ми коли-небудь бачили з подібним методом», — сказав Хакер. «Я думаю, це тому, що ніхто раніше не розробив наш точний конвеєр із використанням дифузійно-зважених зображень, перетворенням їх на матрицю підключення, а потім спеціальним використанням машинного навчання, щоб виявити, на які шляхи найбільше впливає травма голови.

Це, безумовно, новинка, оскільки досі у нас не було достатньо точного класифікатора струсу мозку на основі зображень.

Класифікатор був створений за допомогою байєсівського машинного навчання, яке Хакер описав як імовірнісну систему, яка створює класифікацію на основі будь-якої ознаки, яка має найменшу ймовірність бути неправильною або неправильно класифікованою відповідно до знань про попередні умови.

«Він використовує навчальні дані, щоб визначити, які закономірності ви очікуєте побачити у здорової людини, а які — у пораненої», — сказав Хакер.

Бути провідним автором опублікованих досліджень у поважному журналі є унікальним досягненням для студента бакалаврату. Для Хакера, який навесні повертається до USC Viterbi, щоб здобути ступінь магістра з інженерії матеріалів, проведення бакалаврських досліджень у Школі геронтології USC Леонарда Девіса може здатися дивовижним шляхом.

Хакер невдовзі зрозумів, що його хімічна інженерна освіта ідеально та унікально підходить для такого типу дослідження мозку. Хакер був добре обізнаний з теорією хімічної інженерії щодо того, як рідини рухаються в різних середовищах.

Ці базові знання добре втілилися в дослідженні мозку, на якому він невдовзі спеціалізувався, а захоплення машинним і глибоким навчанням допомогло підштовхнути його бажання краще зрозуміти нейронні зв’язки.

«Я придумав цю ідею, і мене це привернуло, тому що знання про дифузію — один зі шляхів руху води та інших рідин — базується на хімічній інженерії. Це суть того, як працює це дослідження, у спосіб, яким було зроблено ці сканування мозку — відстеження того, як вода дифундує через мозок», — сказав Хакер.

«Це була можливість для мене взяти багато з того, що я дізнався щодо механіки рідини та числового аналізу, а потім застосувати це до чогось зовсім іншого, ніж ті програми, які були представлені в класі».

Класифікатор, створений дослідницькою групою, може стати основою платформи діагностики струсу мозку, яку можна застосовувати в клінічних умовах.

«Ми вважаємо, що ця робота, безумовно, має потенціал позитивно вплинути на сферу діяльності. Це для мене найцікавіше. Я не можу дочекатися, до чого це призведе», — сказав Хакер.

ДЖЕРЕЛО: https://medicalxpress.com

На платформі Accemedin багато цікавих заходів! Аби не пропустити їх, підписуйтесь на наші сторінки! Facebook. Telegram. Viber. Instagram.