L'intelligenza artificiale riconosce i difetti cardiaci nei neonati
I ricercatori dell'ETH di Zurigo e della KUNO Klinik St. Hedwig di Regensburg hanno sviluppato un algoritmo in grado di riconoscere automaticamente e in modo affidabile uno specifico difetto cardiaco nei neonati.
Molti bambini nascono con il famoso primo vagito. Con questo grido il neonato cerca automaticamente l'aria. I polmoni, che prima erano in uno stato dormiente, si espandono, i vasi polmonari si dilatano e l'intero sistema circolatorio passa alla vita fuori dall'utero. Non sempre le cose vanno così bene. I bambini prematuri o i neonati gravemente malati, in particolare, possono sviluppare l'ipertensione polmonare, una condizione grave in cui le arterie polmonari rimangono costrette dopo la nascita o si richiudono nei primi giorni o settimane dopo la nascita. Questo limita il flusso di sangue ai polmoni e riduce la saturazione di ossigeno nel sangue.
La diagnosi e la terapia immediate migliorano le prospettive
È importante che i casi gravi di ipertensione polmonare possano essere riconosciuti e trattati il più rapidamente possibile. Infatti, prima si inizia il trattamento, migliore è la prognosi per il neonato. Tuttavia, non è facile fare una diagnosi corretta. Solo cardiologi pediatrici esperti sono in grado di diagnosticare l'ipertensione polmonare con l'aiuto di un esame ecografico completo del cuore. "Riconoscere l'ipertensione polmonare è molto complesso e richiede competenze molto specifiche e molta esperienza. Spesso questa non è disponibile nei grandi centri perinatali", afferma il Prof. Dr. Sven Wellmann, primario del dipartimento amministrativo di neonatologia della Clinica KUNO St. Hedwig dei Fratelli della Misericordia di Regensburg, Germania.
I ricercatori del gruppo di Julia Vogt, professoressa di Medical Data Science presso l'ETH di Zurigo, insieme ai neonatologi della KUNO Klinik St. Hedwig hanno sviluppato un modello computerizzato che può aiutare in modo affidabile nella diagnosi della malattia nei neonati. I risultati sono stati pubblicati sulla rivista Rivista internazionale di visione artificiale pubblicato.
IA affidabile e tracciabile
I ricercatori dell'ETH hanno innanzitutto addestrato il loro algoritmo con molte centinaia di registrazioni video di esami ecografici cardiaci di 192 neonati. Oltre alle immagini in movimento del cuore battente da diverse angolazioni, il set di dati conteneva anche la diagnosi effettuata da cardiologi pediatrici esperti (ipertensione polmonare presente o meno) e una valutazione della gravità della malattia ("lieve" o "da moderata a grave"). La capacità dell'algoritmo di interpretare le immagini è stata quindi testata utilizzando il set di dati originale e un secondo set di dati di immagini ecografiche di 78 neonati, completamente sconosciuto al modello. Il modello è stato in grado di suggerire la diagnosi corretta in circa l'80-90% dei casi e di determinare la corretta gravità della malattia in circa il 65-85% dei casi.
"Affinché un modello di apprendimento automatico possa essere utilizzato in campo medico, è fondamentale che, oltre all'accuratezza predittiva, gli esseri umani possano comprendere i criteri in base ai quali il modello prende le sue decisioni", afferma Julia Vogt. Il suo modello lo rende possibile. Contrassegna le aree delle immagini ecografiche in base alle quali ha effettuato la categorizzazione. I medici possono quindi vedere esattamente quali aree o caratteristiche del cuore e dei suoi vasi appaiono evidenti al modello. Esaminando i set di dati disponibili, i cardiologi pediatrici hanno scoperto che il modello, senza essere stato esplicitamente programmato per farlo, osserva le loro stesse caratteristiche.
La diagnosi è sempre fatta da una persona
Il modello di apprendimento automatico è potenzialmente applicabile anche ad altri organi e malattie. Ad esempio, per la diagnosi dei difetti del setto cardiaco o delle malattie delle valvole cardiache.
Soprattutto nelle regioni in cui non sono disponibili specialisti, un operatore sanitario può scattare immagini ecografiche standardizzate e il modello può fornire una valutazione iniziale dell'esistenza di un rischio e della necessità di consultare uno specialista. Nelle installazioni mediche in cui sono disponibili professionisti altamente specializzati, il modello può alleggerire il loro carico di lavoro e contribuire a una diagnosi migliore e più obiettiva. "L'intelligenza artificiale ha il potenziale per migliorare in modo significativo l'assistenza sanitaria. Tuttavia, l'aspetto fondamentale per noi è che la decisione finale spetta sempre a un essere umano, un medico, e l'IA si limita a fornire un supporto per garantire che il maggior numero possibile di persone riceva la migliore assistenza medica possibile", afferma Vogt.
Letteratura di riferimento
Ragnarsdottir H, Ozkan E, Michel H, Chin-Cheong K, Manduchi L, Wellmann S, Vogt J. Deep Learning Based Prediction of Pulmonary Hypertension in Newborns Using Echocardiograms. International Journal of Computer Vision. 6.2.2024. Online: pagina esternaPrevisione basata sull'apprendimento profondo dell'ipertensione polmonare nei neonati mediante ecocardiogrammi | International Journal of Computer Vision (springer.com)