WEITI » Badania i nauka » Aktualności »
Jak sztuczna inteligencja pomoże w zapobieganiu przedwczesnym porodom, czyli zastosowanie AI w diagnostyce
Wg raportu Światowej Organizacji Zdrowia (WHO) spontaniczny przedwczesny poród dotyczy 15 milionów noworodków rocznie.
Aż milion z nich umiera. Wiele przez całe życie mierzy się
z niepełnosprawnością. Wykorzystywana powszechnie manualna analiza obrazów ultrasonograficznych umożliwia wykrycie ewentualnych problemów, ale nie jest to metoda doskonała.
Problem ten dostrzegają lekarze. W 2017 roku Nicole Sochacki-Wójcicka
(w trakcie specjalizacji z ginekologii) oraz Jakub Wójcicki zgłosili się do dr. Tomasza Trzcińskiego
z Wydziału Elektroniki i Technik Informacyjnych PW z pytaniem, czy jest możliwość zrealizowania projektu predykcji spontanicznego przedwczesnego porodu z wykorzystaniem sieci neuronowych.
Wtedy powstał zespół badawczy i zaczęły się prace. Pierwsze efekty już znamy.
– Nasze rozwiązanie może wspomóc diagnostykę komputerową i pozwolić z większą dokładnością przewidywać spontaniczne przedwczesne porody – wyjaśnia Szymon Płotka, absolwent Politechniki Warszawskiej i jeden z członków zespołu pracującego nad projektem.
Wytrenować sieć neuronową
– Przed rozpoczęciem projektu, współpracujący z nami lekarze przygotowali zestaw danych uczących, walidacyjnych oraz adnotacji w formie obrysu kształtu szyjek macicy na obrazach ultrasonograficznych oraz numerycznych (0 i 1), odpowiadającymi kolejno: poród w terminie, poród przedwczesny – wyjaśnia Szymon Płotka.
Po wstępnym oczyszczeniu takie dane są wykorzystywane jako dane „uczące” sieć neuronową
– w tym przypadku konwolucyjną (splotową).
– Analizuje ona każde zdjęcie piksel po pikselu, wyodrębniając z nich niezbędne cechy, które posłużą
do zadania segmentacji interesującego nas fragmentu obrazu (w tym przypadku szyjki macicy)
oraz klasyfikacji (czy mamy do czynienia z porodem przedwczesnym, czy nie) – tłumaczy dalej Szymon Płotka. – W trakcie treningu sieć neuronowa testuje swoje predykcje na zbiorze walidacyjnym.
Po zakończeniu trenowania sieci neuronowej, jest ona sprawdzana na danych testowych, które
nie zostały wykorzystane w ramach treningu.
W ten sposób weryfikuje się poprawność wytrenowanego modelu.
Jedyne takie
W ramach projektu powstały dwie publikacje naukowe.
Efektem prac opisanych w Estimation of preterm birth markers with U-Net segmentation network
(publikacja dostępna tutaj» i tutaj») jest m.in. redukcja błędu predykcji spontanicznych przedwczesnych porodów z 30% (manualnie przez lekarzy) do 18% przez sieć neuronową.
W Spontaneous preterm birth prediction using convolutional neural networks (szczegóły tutaj»
i tutaj») naukowcy zaprezentowali poprawę jakości segmentacji w stosunku do pierwszej publikacji
i uzyskali lepsze wyniki klasyfikacji.
– Zgodnie z naszą najlepszą wiedzą, są to jedyne istniejące prace podejmujące się zadania predykcji spontanicznego przedwczesnego porodu w oparciu o transwaginalne obrazy ultrasonograficzne
– mówi Szymon Płotka.
Naukowcy pracują obecnie nad serwisem w formie aplikacji internetowej. Chcą tam udostępnić przygotowane modele sieci neuronowej. Ma to pomóc ginekologom analizować obrazy ultrasonograficzne i tym samym wesprzeć diagnostykę spontanicznego przedwczesnego porodu.
A to może uratować życie i zdrowie milionów noworodków.
Projekt Opracowanie metody predykcji spontanicznych przedwczesnych porodów na podstawie
filmów ultrasonograficznych z wykorzystaniem metod uczenia maszynowego w latach 2020-2021
jest finansowany w ramach Grantu Rady Dyscypliny Naukowej Informatyka Techniczna
i Telekomunikacja PW.
Kierownik projektu: dr hab. inż. Tomasz Trzciński
Zespół:
- aktualnie techniczną stroną zajmują się Tomasz Włodarczyk (doktorant na Wydziale EiTI), Szymon Płotka (absolwent Wydziału EiTI, autor pracy magisterskiej powstałej w ramach projektu), Tomasz Szczepański (student Wydziału EiTI, obecnie pracujący nad pracą magisterką), dr hab. inż. Tomasz Trzciński i prof. dr hab. inż. Przemysław Rokita,
- za kwestie medyczne odpowiedzialny jest dr n. med. Michał Lipa – lekarz ginekolog z Uniwersyteckiego Centrum Zdrowia Kobiety i Noworodka Warszawskiego Uniwersytetu Medycznego.