Kaikki iLive-sisältö tarkistetaan lääketieteellisesti tai se tarkistetaan tosiasiallisen tarkkuuden varmistamiseksi.
Meillä on tiukat hankintaohjeet ja vain linkki hyvämaineisiin mediasivustoihin, akateemisiin tutkimuslaitoksiin ja mahdollisuuksien mukaan lääketieteellisesti vertaisarvioituihin tutkimuksiin. Huomaa, että suluissa ([1], [2] jne.) Olevat numerot ovat napsautettavia linkkejä näihin tutkimuksiin.
Jos sinusta tuntuu, että jokin sisältö on virheellinen, vanhentunut tai muuten kyseenalainen, valitse se ja paina Ctrl + Enter.
Kardiologit ovat kouluttaneet suuren tekoälymallin arvioimaan sydämen rakennetta ja toimintaa.
Viimeksi tarkistettu: 02.07.2025
Cedars-Sinain ja Smidt Heart Instituten tekoälyasiantuntijat loivat yli miljoonasta sydämen kaikukuvauksesta (videoultraäänikuvauksesta) ja niiden kliinisistä tulkinnoista koostuvan tietojoukon. Tämän tietokannan avulla he kehittivät EchoCLIPin, tehokkaan koneoppimisalgoritmin, joka voi "tulkita" sydämen kaikukuvauskuvia ja arvioida keskeisiä mittareita.
Nature Medicine -lehdessä julkaistussa artikkelissa kuvattu EchoCLIP-laitteen suunnittelu ja arviointi viittaavat siihen, että potilaan sydämen kaikukuvauksen tulkinta EchoCLIP-laitteella tarjoaa erikoislääkäritason kliinisiä arviointeja, mukaan lukien sydämen toiminnan, aiempien leikkausten tulosten ja implantoitujen laitteiden arvioinnin, ja voi auttaa lääkäreitä tunnistamaan hoitoa tarvitsevat potilaat.
EchoCLIP-perusmalli voi myös tunnistaa saman potilaan useiden videoiden, tutkimusten ja aikapisteiden välillä ja tunnistaa kliinisesti merkittäviä muutoksia potilaan sydämessä.
"Tietojemme mukaan tämä on suurin kaikukardiografiakuvien avulla koulutettu malli ", sanoi tutkimuksen pääkirjoittaja David Ouyang, lääketieteen tohtori, Smidt Heart Instituten kardiologian osaston ja lääketieteen tekoälyn osaston tiedekunnan jäsen.
"Monet aiemmat sydämen kaikukuvauksiin tarkoitetut tekoälymallit on koulutettu vain kymmenillä tuhansilla esimerkeillä. Sitä vastoin EchoCLIPin ainutlaatuisen korkea kuvantulkinnan suorituskyky on seurausta lähes kymmenen kertaa suuremmasta datamäärästä kuin olemassa olevissa malleissa."
"Tuloksemme osoittavat, että suuret lääketieteellisen kuvantamisen tietoaineistot ja asiantuntijoiden varmentamat tulkinnat voivat toimia perustana lääketieteellisten perusmallien kouluttamiselle, jotka ovat eräänlainen generatiivinen tekoäly", Ouyang lisäsi.
EchoCLIP-työnkulku. Lähde: Nature Medicine (2024). DOI: 10.1038/s41591-024-02959-y
Hän huomautti, että tämä edistynyt lähtötilannemalli voisi pian auttaa kardiologeja arvioimaan sydämen kaikukuvauksia luomalla arvioita sydämen mittauksista, tunnistamalla ajan myötä tapahtuvia muutoksia ja yleisiä sairauksia.
Tutkimusryhmä loi 1 032 975 sydämen ultraäänivideosta ja vastaavista asiantuntijatulkinnoista koostuvan aineiston EchoCLIPin kehittämiseksi. Tutkimuksen keskeisiä tuloksia ovat:
- EchoCLIP osoitti korkeaa suorituskykyä sydämen toiminnan arvioinnissa sydänkuvista.
- Lähtötilanteen malli pystyi tunnistamaan sydämen kaikukuvauksista implantoituja sydämensisäisiä laitteita, kuten sydämentahdistimia, mitraaliläppäimplantit ja aorttaläppäimplantit.
- EchoCLIP tunnisti tarkasti yksittäiset potilaat eri tutkimuksissa, havaitsi kliinisesti merkittäviä muutoksia, kuten aiempia sydänleikkauksia, ja mahdollisti sydämen kaikukuvauskuvien alustavien tekstitulkintojen kehittämisen.
”Perusmallit ovat yksi generatiivisen tekoälyn uusimmista alueista, mutta useimmilla malleilla ei ole riittävästi lääketieteellistä dataa, jotta ne olisivat hyödyllisiä terveydenhuollossa”, sanoo Christina M. Albert, MD, MPH, Smidt Heart Instituten kardiologian osaston johtaja.
Albert, joka ei ollut mukana tutkimuksessa, lisäsi: "Tämä uusi lähtötilanteen malli yhdistää tietokonenäön sydämen kaikukuvauksen tulkintaan luonnollisen kielen käsittelyyn parantaakseen kardiologien tulkintoja."