Репортаж от Wedoany，Исследование, опубликованное в журнале Communications Medicine, предполагает, что применение искусственного интеллекта в нейровизуализации может сократить время, необходимое для некоторых продвинутых МРТ-сканирований, до 90%, сохраняя при этом высокую точность.
Инновационность исследования заключается в методе обучения модели искусственного интеллекта. В отличие от большинства современных приложений, использующих данные реальных пациентов, исследовательская группа сгенерировала смоделированные данные на основе физических принципов процесса диффузии в мозговой ткани и обучила на них нейронную сеть оценивать параметры модели, являющиеся биомаркерами состояния ткани, используя минимальное количество резонансных изображений.
«Сокращение времени, необходимого для сбора данных, делает возможным внедрение более продвинутых методов МРТ, предоставляя медицинскому персоналу больше клинической информации», — пояснила Сильвия Де Сантис, исследователь, возглавляющая Лабораторию трансляционных биомаркеров визуализации IN CSIC-UMH.
Этот подход также уменьшает погрешности, связанные с традиционными клиническими наборами данных. Максимилиан Эггль, исследователь, возглавляющий направление биомаркеров структуры и функций мозга на основе ИИ в IN CSIC-UMH, добавил, что использование симуляции позволяет генерировать столько данных, сколько необходимо, не завися от доступности пациентов и избегая проблем с конфиденциальностью.
Метод основан на передовых технологиях, таких как диффузионно-взвешенная МРТ, которые позволяют неинвазивно изучать движение воды в мозговой ткани, получая информацию о её микроструктуре. Искусственный интеллект может эффективно восстанавливать детальные характеристики мозговой ткани по этим сигналам.
Исследование показало, что необходимое количество измерений значительно сокращается. Эггль отметил, что сеть, полностью обученная на смоделированных данных, достигает очень высокой точности, используя лишь 10% данных. Это может оказать прямое влияние на клиническую среду, особенно в больницах с длинными очередями ожидания.
Это означает значительное сокращение времени сканирования, например, примерно с 40 минут до 8 минут для получения той же информации. Оба исследователя считают, что этот процесс позволит лечить больше пациентов за то же время и сделает систему более эффективной.
Метод открывает новые возможности для изучения нейродегенеративных заболеваний, таких как болезнь Альцгеймера. Эти заболевания имеют доклиническую фазу продолжительностью до двадцати лет, в течение которой отсутствуют явные симптомы. Де Сантис пояснила, что клиническая диагностика дегенеративных заболеваний всё ещё основывается на технологиях, разработанных более 30 лет назад, и внедрение лабораторных достижений в клиническую практику остаётся серьёзной проблемой. Этот новый подход позволяет получать более детальную информацию, что способствует улучшению диагностики.
Кроме того, система позволяет заново анализировать данные магнитно-резонансной томографии, полученные десятилетия назад, которые ранее были ограничены доступными на тот момент технологиями. Благодаря этому новому подходу, основанному на симуляции, эти данные могут быть переинтерпретированы для извлечения новой значимой информации о неврологических заболеваниях.
Эта работа была поддержана фондом «laCaixa», Государственным исследовательским агентством Испании (AEI) и Министерством науки, инноваций и университетов Испании, программой Центра передового опыта Северо Очоа, грантом Валенсийского сообщества на привлечение выдающихся докторантов (CIDEGENT 2021), а также программой исследователей Паскаля Марагаля (PMRP) Фонда Паскаля Марагаля.
Данный материал скомпилирован платформой Wedoany. При цитировании материалов, созданных с помощью искусственного интеллекта (ИИ), необходимо обязательно указывать источник — «Wedoany». В случае выявления нарушения прав или иных проблем просим своевременно информировать нас. Сайт оперативно внесёт изменения или удалит материал.Электронная почта: news@wedoany.com
