- Здоровье мозга играет важную роль в долгой и здоровой жизни.
- По этой причине чрезвычайно важна возможность раннего выявления — и, возможно, предотвращения — проблем со здоровьем, связанных с мозгом, таких как деменция, старение мозга и рак мозга.
- Исследователи из Mass General Brigham разработали новую модель искусственного интеллекта, обученную с использованием данных МРТ головного мозга, чтобы помочь врачам лучше прогнозировать и выявлять проблемы со здоровьем мозга, такие как риск деменции, возраст мозга и мутации опухолей головного мозга.
Поскольку мозг является одним из самых важных органов в организме, его здоровье играет важную роль в долгой и здоровой жизни. По этой причине чрезвычайно важна возможность раннего выявления — и, возможно, предотвращения — проблем со здоровьем, связанных с мозгом, таких как деменция, старение мозга и рак мозга.
Чтобы помочь врачам лучше прогнозировать и выявлять проблемы со здоровьем мозга, такие как риск деменции, возраст мозга и мутации опухолей головного мозга, исследователи из Mass General Brigham разработали новую модель искусственного интеллекта (ИИ), обученную на почти 49 000 МРТ головного мозга.
Исследователи полагают, что возможность одновременно анализировать большой объем данных может дать врачам больше возможностей выявлять, прогнозировать и лечить заболевания головного мозга.
Исследование этого нового инструмента искусственного интеллекта было недавно опубликовано в журнале.
Что такое БрейнИАК?
Инструмент искусственного интеллекта, разработанный исследователями из Mass General Brigham, называется Brain Imaging Adaptive Core (BrainIAC).
«BrainIAC — это базовая модель искусственного интеллекта, которая обучена на десятках тысяч МРТ головного мозга, чтобы понять, как устроен мозг», — Бенджамин Канн, доктор медицинских наук, преподаватель программы искусственного интеллекта в медицине (AIM) в Mass General Brigham; и автор-корреспондент этого исследования рассказали Медицинские новости сегодня.
«Используя эти базовые знания, инструмент затем можно адаптировать для выявления различных заболеваний головного мозга, определения их тяжести и прогнозирования будущих рисков, связанных с этими заболеваниями», — сказал Канн, который также является доцентом кафедры радиационной онкологии в Женской больнице Бригама, Институте рака Дана-Фарбер и Гарвардской медицинской школе.
«Есть огромный массив данных в миллионах МРТ головного мозга, выполняемых каждый год в Соединенных Штатах», — продолжил Канн.
«Обычно эти сканы анализируются людьми по определенной причине, но это лишь поверхностное представление о том, что эти сканы могут рассказать нам о наших пациентах».
«Благодаря искусственному интеллекту и передовым методам компьютерной визуализации мы можем получить от этих сканирований гораздо больше информации, чем когда-либо прежде, что может привести к созданию мощных, клинически полезных способов отслеживания различных острых и хронических состояний, от инсульта до рака и деменции, а также прогнозирования будущих рисков для пациентов», — добавил он.
Модель искусственного интеллекта может предсказать риск деменции и выживаемость при раке мозга
В ходе своего исследования исследователи подтвердили эффективность BrainIAC на почти 49 000 различных МРТ-сканированиях головного мозга. Это позволило ученым определить, что модель искусственного интеллекта способна анализировать эти снимки МРТ, чтобы помочь определить возраст мозга, предсказать риск деменции, обнаружить варианты опухоли головного мозга и предсказать показатели выживаемости при раке мозга.
«Идентификация этих проблем проинформирует врачей и пациентов, какой тип лечения или профилактических мер следует предпринять, чтобы снизить будущий риск, что в конечном итоге улучшит качество жизни и выживаемость», — объяснил Канн.
«Например, прогнозирование высокого риска деменции может предупредить врача о том, что этому пациенту следует начать такие вмешательства, как физические упражнения, когнитивные тренировки и управление сосудистыми/метаболическими рисками, чтобы максимально снизить этот риск».
«Пациенты с определенной мутацией опухоли головного мозга могут иметь право на таргетную терапию, направленную на эту мутацию, чтобы улучшить контроль над заболеванием».
Доступен с открытым исходным кодом для исследовательских целей.
Канн и его команда также обнаружили, что BrainIAC превосходит другие модели искусственного интеллекта, более ориентированные на конкретные задачи, и работает особенно продуктивно, когда доступны ограниченные данные для обучения.
«Возможно, самая большая проблема в разработке точных, надежных, клинически переводимых моделей искусственного интеллекта для медицинской визуализации — это отсутствие больших, хорошо размеченных наборов данных, которые часто хранятся в разрозненных больничных базах данных и требуют значительных ручных усилий для организации», — сказал Канн.
«С помощью BrainIAC мы показываем, что когда вы предварительно обучаете модель с помощью неразмеченных данных, которые гораздо легче найти в больших количествах, модель может получить базовые знания, из которых ей требуется гораздо меньше размеченных данных для хорошей работы конкретной задачи».
«Это открывает двери для моделей на основе МРТ, которые можно обучать на гораздо менее размеченных данных».
«Например, клиническая группа могла бы адаптировать BrainIAC для использования в своем учреждении с небольшим набором данных для прогнозирования таких вещей, как борьба с раком, деменция или даже задачи, не включенные в наше исследование, такие как прогрессирование рассеянного склероза или внутричерепное кровотечение — без необходимости проведения тысяч размеченных сканирований для обучения, которые часто невозможно получить», — добавил он.
Канн сказал, что они уже получили множество запросов от исследователей о том, как адаптировать BrainIAC к различным приложениям МРТ головного мозга.
«Мы выпустили BrainIAC в его нынешнем виде с открытым исходным кодом для исследовательских целей, чтобы он был доступен любому исследователю или практикующему специалисту», — пояснил он.
«В будущем мы планируем улучшить модель и расширить ее применение к другим заболеваниям головного мозга».
Значительный объем информации с МРТ головного мозга в настоящее время не получен.
МНТ имел возможность поговорить об этом исследовании с Валаваном Сивакумаром, доктором медицинских наук, сертифицированным нейрохирургом, директором отделения нейрохирургии и руководителем персонала Providence Little Company of Mary в Торрансе, Калифорния, который отметил, что его первоначальной реакцией был осторожный оптимизм.
«С моей точки зрения, выделялось не только то, что эта модель может выполнять несколько задач — мы видели это раньше, — но и то, как она была обучена», — объяснил Сивакумар.
«Использование BrainAIC самостоятельного обучения с помощью 48 965 различных МРТ головного мозга отвечает исторической критике того, где сейчас находится клинический ИИ: эти модели могут хорошо работать в академической среде, но неприменимы к гетерогенным условиям реального мира».
«Я до сих пор удивлен, что единая базовая модель смогла обобщить несколько задач, таких как старение мозга, риск деменции, биология опухолей и выживание», — продолжил он.
«Это более впечатляюще, особенно в клинических сценариях, где помеченные данные ограничены — исследование показало, что BrainIAC особенно преуспел, когда обучающих данных было мало, и сценарии доступности 10%. Это представляет собой более реалистичный подход, чем разработка отдельного узкого алгоритма для каждого клинического вопроса».
Сивакумар сказал, что исследователям важно продолжать находить новые способы анализа наборов данных МРТ головного мозга, поскольку существует значительный объем информации от МРТ головного мозга, которая в настоящее время не извлекается в обычной клинической практике.
«Клиницисты обучены и довольно легко распознают закономерности, но качественная интерпретация остается сложной задачей», — продолжил он.
«Подобные продвинутые модели могут идентифицировать тонкие, распределенные сигналы, такие как ранние модели атрофии или микроструктурные изменения, наблюдаемые в опухолях, которые либо не видны человеческому глазу, либо у нас нет стандартизированных отчетов».
«Для таких болезненных состояний, как деменция и рак мозга, когда более ранняя стратификация риска или более точный прогноз могут иметь огромное влияние на консультирование, наблюдение и планирование лечения, эти идеи имеют огромное значение», — добавил Сивакумар.
«Кроме того, способность анализировать МРТ в разных учреждениях и на разных платформах визуализации имеет решающее значение, если эти инструменты смогут быть внедрены в реальную клиническую практику».
Необходима оценка модели ИИ в клинической практике.
МНТ об этом новом исследовании также поговорил с Ланой Жовтис Райерсон, доктором медицинских наук, FAAN, директором отделения нейроиммунологии в Медицинском центре Университета Джерси-Шор и доцентом неврологии в Медицинской школе Хакенсак-Меридиан в Нью-Джерси.
Райерсон отметила, что она была очень впечатлена широтой возможностей этой модели ИИ в столь многих различных функциях нейрорадиологии.
«Важно продолжать искать новые способы анализа наборов данных МРТ головного мозга, потому что у нас нет надежных и простых в использовании ресурсов для выполнения этих задач в клинической практике», — объяснила она.
«Во всей области неврологии мы признаем, что важно распознавать болезненные процессы на ранней стадии, поскольку это дает нам наилучшие шансы на эффективное лечение и предотвращение ухудшения. Тем не менее, слишком часто мы видим задержки в диагностике из-за отсутствия биомаркеров и непоследовательного распознавания факторов риска или тревожных сигналов среди пациентов».
«Мне бы хотелось, чтобы эта модель ИИ была оценена в клинической практике», — добавил Райерсон.