Патологии коленного сустава могут быть связаны с возрастными изменениями или травмами, что приводит к болевым ощущениям и дисфункции коленного сустава. Диагностика патологий колена имеет решающее значение для составления индивидуальных планов лечения и улучшения качества жизни пациентов.
Многоимпульсная магнитно-резонансная томография (МРТ) коленного сустава является передовым неинвазивным методом диагностики патологии коленного сустава. Однако интерпретация результатов МРТ требует больших затрат времени и в значительной степени зависит от квалификации специалистов. Сложное анатомическое строение коленного сустава приводит к тому, что различные параметры сканирования часто дают разные результаты. Кроме того, врачи-рентгенологи, не имеющие достаточного опыта, могут не заметить некоторые незначительные повреждения сустава.
Команда исследователей из Инженерной школы Гонконгского университета науки и технологий (HKUST) представила новую модель глубокого обучения, которая позволяет классифицировать 12 распространенных заболеваний коленного сустава и отличается высокой точностью.
Исследование проводили лаборатория Smart Lab Гонконгского университета науки и технологий и Третья аффилированная больница Южного медицинского университета в Гуанчжоу в Китае. Результаты разработки были опубликованы в журнале Nature Communications.
В своем исследовании ученые использовали медицинские данные 1748 пациентов, в том числе МР-томограммы, взвешенные по Т1, Т2 и протонной плотности в сагиттальной, фронтальной и аксиальной проекциях, а также результаты артроскопии коленного сустава. Они провели всесторонний анализ и выявили 12 распространенных типов аномалий коленного сустава у этих пациентов.
Для классификации патологий они разработали модель глубокого обучения, включающую инструмент учета последовательностей МРТ Co-Plane Attention across MRI Sequences (CoPAS). Модель показала свою эффективность в отслеживании изменений в зависимости от различных параметров сканирования и выявляла сложные корреляции с различными типами патологии.
Авторы провели имитационное клиническое тестирование, в ходе которого врачей-рентгенологов сначала попросили поставить самостоятельный диагноз на основе результатов МРТ-сканирования. Затем им было предложено снова поставить диагноз, на этот раз используя результаты модели в качестве эталона.
Команда обнаружила, что модель превзошла результаты рентгенлаборантов и оказалась сравнима с выводами опытных врачей-рентгенологов. В целом, точность работы всех рентгенологов значительно улучшилась с момента внедрения модели.
Фото: НИИОЗММ
Источник: 18 ноября 2024, https://www.sciencedaily.com/releases/2024/11/241118125721.htm