先天性心脏问题——包括心房、心室、瓣膜或血管连接异常——可能非常严重，约占所有新生儿死亡的20%。在婴儿出生前诊断这些问题，允许在出生后一周内得到及时治疗，这被认为能显著改善预后，因此，人们曾多次尝试开发技术，以实现准确和快速的诊断。然而，今天，胎儿诊断在很大程度上依赖于有经验的检查人员使用超声波成像进行观察，因此，不幸的是，在没有得到正确诊断的情况下出生的孩子并不罕见。
近年来，深度学习等机器学习技术发展迅速，人们对将机器学习应用于医学领域产生了极大的兴趣。机器学习可以让诊断系统比人类更快、更准确地检测出疾病，但这需要对某种疾病提供足够的正常和异常受试者的数据集。然而不幸的是，由于先天性心脏病在儿童中相对少见。目前还没有完整的数据集，而且到目前为止，基于机器学习的预测在临床上的实际应用还不够精确。然而，由日本理化研究所aip领导的研究小组，包括富士通公司和昭和大学的合作者，决定接受这一挑战，并成功开发了新的机器学习技术，可以使用相对较小和不完整的数据集准确预测疾病。
广告
广告
先天性心脏病
一般来说，胎儿心脏诊断专家根据自己的判断，通过比较正常和异常的胎儿心脏图像，来判断心脏的某些部位是否处于不正确的位置，如瓣膜、血管等。研究人员发现，这一过程类似于“目标检测”技术，该技术允许人工智能区分位置，并对出现在图像中的多个目标进行分类。
一组“教师”数据——人工智能将从中学习的意义数据——通过“注释”(物体的意义的附加)准备好，并用于训练物体检测系统。为了开发目前的系统，研究人员使用正常的心脏图像来标注心脏和周围器官的18个不同部位的正确位置，并开发了一种新型的“胎儿心脏筛查系统”，它允许从超声图像中自动检测心脏异常。当测试数据与所学数据存在差异时，如果差异大于某一置信度值，则系统判断为异常。该过程快速，可以实时执行，结果立即出现在检查屏幕上。该系统还可以帮助协调具有不同医疗水平或设备的不同医院的诊断。
“这一突破之所以成为可能，要归功于专家们在机器学习和胎儿心脏诊断方面积累的讨论。日本理研AIP拥有众多的人工智能专家和合作机会，就像这个项目。我们希望通过临床医生、学术界和公司之间的成功合作，该系统将得到广泛的应用，”该项目负责人、日本理研AIP研究员Masaaki Komatsu说。
研究人员现在计划在日本的大学医院进行临床试验，增加更多的胎儿超声图像，让人工智能了解更多，以提高筛查的准确性，扩大其目标。实施该系统可以通过培训考官或使用基于云的系统进行远程诊断，帮助纠正地区之间的医疗差距。
来源:日本
