Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Il nuovo AI predice la posizione “delle vie accessorie„ nel cuore

Il Dott. NISHIMORI Makoto dell'ospedale universitario di Kobe e l'assistente universitario KIUCHI Kunihiko del progetto et al. (della divisione di medicina cardiovascolare, del dipartimento di medicina interna) hanno sviluppato un AI che usa i generi multipli di dati di prova per predire la posizione delle vie in eccedenza nel cuore chiamato “vie accessorie„, che causano irregolarmente il bordeggiare del cuore.

In questo studio, i ricercatori potevano migliorare l'accuratezza di diagnosi avendo il AI imparano da due tipi completamente differenti di dati dell'elettrocardiografia di risultati (ECG) della prova e di immagini dei raggi x. È sperato che questa metodologia possa applicarsi ad altri disordini basati sopra i riusciti risultati di questa ricerca.

Questi risultati della ricerca sono stati pubblicati online “nei rapporti scientifici„ il 13 aprile 2021.

Sfondo di ricerca

Bianco Wolff Parkinson (WPW) è un disordine aritmico. I pazienti con la sindrome di WPW nascono con le vie in eccedenza dentro i loro cuori chiamati “vie accessorie„, che possono causare gli episodi di tachicardia dove l'impulso si accelera. L'ablazione del catetere comprende per mezzo di un catetere per cauterizzare selettivamente le vie accessorie e può completamente fare maturare questo disordine. Tuttavia, l'indice di successo di ablazione del catetere varia secondo la posizione delle vie accessorie.

Convenzionalmente, 12 un cavo ECG (cioè un'elettrocardiografia regolare) è stato usato per predire la posizione accessoria di via prima del trattamento. Tuttavia, questo metodo corrente che conta solamente su ECG è insufficientemente accurato, che lo rende difficile dare a pazienti una spiegazione completa che comprende l'indice di successo del trattamento. Questo studio di ricerca provato facendo uso di AI per risolvere questo problema.

I ricercatori hanno usato una metodologia per l'insegnamento dell'apprendimento profondo chiamato AI. In profondità imparare comprende fornire i dati per ogni paziente e le risposte corrispondenti in un programma. Ripetendo questo apprendimento, il programma diventa automaticamente più astuto. Facendo uso di questa metodologia, il gruppo di ricerca poteva presentare una soluzione ad un problema precedentemente irrisolto, così più ulteriormente promuovendo l'applicazione di AI alla medicina moderna.

Metodologia di ricerca

In primo luogo, il gruppo del Dott. Nishimori ha sviluppato il AI facendo uso soltanto dei dati di ECG ed ha confrontato la sua prestazione ai metodi precedenti. Hanno condotto ripetuto imparando dove hanno dato dati del ECG A AI ogni dei pazienti e la posizione accessoria di via (cioè la risposta) in ogni caso allo stesso tempo, creante con successo un AI con una tariffa di più alta accuratezza che i metodi precedenti.

Tuttavia, il AI non poteva eseguire ogni volta le previsioni corrette dai dati di ECG da solo. La causa di questa emissione era probabilmente che i dati di ECG sono influenzati tramite le differenze nella dimensione e nella posizione di ogni cuore, quindi i dati di ECG non hanno abbinato anche quando la posizione della via accessoria era la stessa. Questo problema era risolto avendo il AI impara i dati, quale informazioni sulla dimensione di ogni cuore, dalle immagini dell'esame radiografico del torace allo stesso tempo.

Simultaneamente imparando sia i dati di pretrattamento ECG che di immagine dei raggi x, il AI poteva ottenere le informazioni mancanti e la sua accuratezza diagnostica significativamente è stata migliorata confrontata a quando soltanto i dati di ECG sono stati usati.

Ulteriori sviluppi

L'avanzamento della tecnologia di AI negli ultimi anni ha permesso affinchè il AI faccia le diagnosi altamente accurate basate sui vari generi di dati di prova nel campo di medicina. Tuttavia, ci sono casi dove i dati da una singola prova sono insufficienti affinchè il AI eseguano una diagnosi accurata.

Questo studio della ricerca ha aumentato con successo l'accuratezza avendo il AI impara non solo dai risultati di ECG ma anche dalle immagini dell'esame radiografico del torace, che sono un tipo completamente differente di dati. le diagnosi accurate AI-mediate permetteranno a medici di dare a pazienti di pretrattamento una spiegazione più accurata del loro stato, che eventualmente metterà i pazienti a facilità. Inoltre, questa ricerca ha potuto applicarsi ai vari disordini ed eventualmente piombo all'entrata in vigore del software di diagnosi di AI.

Source:
Journal reference:

Nishimori, M., et al. (2021) Accessory pathway analysis using a multimodal deep learning model. Scientific Reports. doi.org/10.1038/s41598-021-87631-y.