Всемирная организация здравоохранения оценивает, что во всем мире ежегодно происходит более 250 000 предотвратимых смертей из-за осложнений, связанных с беременностью. Пренатальное УЗИ может улучшить исходы и снизить материнскую и перинатальную смертность, однако две трети населения мира не имеют доступа к диагностической визуализации, такой как УЗИ. Современные методы во многом зависят от специализированной клинической подготовки, поэтому миллионы людей в условиях ограниченных ресурсов не проходят ни одного УЗИ за время беременности.
Чтобы восполнить этот пробел, исследователи разработали системы машинного обучения, которые интерпретируют УЗИ, выполненные методом «слепого сканирования». Этот способ сканирования позволяет медработникам первой линии без подготовки в сонографии проводить исследования, плавно перемещая недорогие портативные датчики по животу по стандартизированной схеме. Поскольку во многих регионах остро не хватает специалистов, а традиционное обучение сонографистов дорого и занимает годы, минимальное обучение в сочетании с интерпретацией ИИ может значительно расширить охват пренатального скрининга.
В исследовании, опубликованном в JAMA Network Open, учёные оценили, насколько хорошо модель ИИ для определения срока беременности работает в различных клинических условиях и на разном оборудовании. Срок беременности, то есть то, насколько далеко продвинулась беременность, лежит в основе большей части пренатальной помощи, включая решения о скрининге, лечении и родах. Предыдущие исследования подтвердили работу модели на новых пациентках из той же выборки, на которой она обучалась. Это проспективное исследование проверило, стабильно ли система работает в режиме реального времени на мобильных устройствах в реальных клиниках, с неопытными операторами и незнакомым оборудованием.
Модель протестировали в Northwestern Medicine в Чикаго, городском академическом центре с высокими ресурсами, и в Jacaranda Health в Найроби, Кения, сети городских общинных клиник. Площадки различались по времени начала пренатальной помощи женщинами, количеству плановых УЗИ и способу определения срока беременности. Дообучение использовало небольшой пилотный набор данных из 120 участниц из Чикаго, примерно 6% от исходной обучающей выборки, чтобы адаптировать модель к новому аппаратному обеспечению датчиков. Данные из Найроби не использовались, поэтому валидация в Кении стала строго независимой проверкой обобщаемости.
Источник: Google AI Blog · Сводку подготовил HeadlinesBriefing