使用人工智能分析胎盘健康

using AI to analyze placenta health

无论是用于检测皮肤癌还是诊断糖尿病,人工智能(AI)正成为医疗保健领域的首选解决方案。

现在,多亏了来自西北大学芬柏格医学院宾夕法尼亚州立大学的一组研究人员,人工智能机器学习也许有一天能以极低的成本和时间确定妇女分娩后胎盘的健康状况。

胎盘可以为母亲和婴儿提供有关长期健康结果的重要信息。然而在美国。在美国,只有20%的胎盘在分娩后经过病理检查,部分原因是分析胎盘所需的成本、时间和专业知识令人望而却步。

在世界各地的中低收入国家,通过病理学检查评估胎盘的比例急剧下降,这些国家的病理学家要么无法获得,要么没有接受过评估胎盘的培训。

研究小组的新技术使用人工智能分析的图像的胎盘分娩后和生产报告和重要的信息,会影响母亲和儿童的临床护理,如胎儿在子宫里获得足够的氧气或如果有感染或出血的风险。

20%在美国在美国,只有20%的胎盘在分娩后经过病理检查,部分原因是分析胎盘所需的成本、时间和专业知识令人望而却步。

这项研究可以对所有胎盘进行检查,减少正常胎盘进行全面病理检查的数量,并创建一个资源较少的分析研究路径——所有这些都可能对母亲和婴儿的健康产生积极的影响。

宾夕法尼亚州立大学健康与人类发展学院的营养科学助理教授Alison Gernand说:“胎盘驱动着母亲和婴儿怀孕的一切,但是我们缺少全球95%的分娩胎盘数据。”

杰弗里·戈尔茨坦博士,范伯格的病理学助理教授和西北大学的病理学家,是这项研究的合著者。他负责解释研究中的病理图像,并帮助计算机学习如何分析胎盘图像。

戈尔茨坦说:“目前你有两种选择:要么不进行胎盘检查,要么进行全面检查,这需要3到5天甚至更长时间。”“理想情况下,我们会分析分娩后的每一个胎盘。有了这个人工智能解决方案,如果人工智能正在做它的工作,它将是全面考试的第一步,并提供初步信息,使我们的工作更容易一些。”

hypercoiled umbilical cord一张超螺旋的脐带照片(左),旁边是同一条脐带的人工智能图像(右)。

目前尚无以证据为基础的标准来确定何时对胎盘进行检查,而且家庭分娩更为普遍的低收入国家和地区往往缺乏资源来进行哪怕是基本的胎盘分析。这个数字工具可以提供一种解决方案,因为个人只需要一部装有适当软件的智能手机或平板电脑。

该小组的研究报告分别于9月在阿根廷布宜诺斯艾利斯举行的国际胎盘协会联合会会议上和10月在中国深圳举行的国际医学图像计算和计算机辅助干预会议上发表。

资源越少,周转越快

人工智能过程需要更少的资源,允许医生收集更全面的数据来检查胎盘与母体和胎儿健康状况的关系,并帮助检查胎盘,而不需要特殊设备——只需几分钟,而不是几天。

戈尔茨坦说,这种人工智能解决方案将大大加快这一过程。

Gernand说:“我们的目标是让一名医疗专业人员或受过培训的接生员拍下照片,通过授权软件进行分析后,可以立即提供帮助照顾母亲和婴儿的信息。”

例如,脐带异常插入点或过度扭转可能是新生儿卒中的预测因素。死产后的检查可以提供一个关于未来死产是否会再次发生的家庭信息,并帮助医疗专业人员就可能的干预措施提供建议。

13000张胎盘图片,一个人工智能解决方案

为了建立这个系统,研究人员分析了来自西北纪念医院的13000张高质量的胎盘图像和相应的病理报告。然后,研究人员用对理解胎盘至关重要的数据点(如不完整区域和脐带插入点)标记一组训练图像。

宾夕法尼亚州立大学信息科学与技术学院的詹姆斯·王教授说:“过去的分析通常是独立地分析特征,并使用有限数量的图像。”“我们的工具利用人工智能和一个庞大而全面的数据集,通过将胎盘的不同部分作为互补来同时做出多个决定。”据我们所知,这是第一个全面、自动化的胎盘分析系统。”

这些图像被用于使用CPU和GPU服务器训练神经网络,这些服务器可以自动分析新的胎盘图像,以检测与异常和潜在健康风险相关的特征。他们的系统对未标记图像进行了有效的预测,与原始病理报告的比较表明该系统具有较高的准确性和临床潜力。

戈尔茨坦将机器学习过程比作幼儿如厕训练。

戈尔茨坦说:“当一个成年人使用洗手间时,我们不会考虑再三。“但当你教一个蹒跚学步的孩子如何使用洗手间时,你要经历每一步:脱下裤子、内裤、坐在马桶上等等。你真的能感受到每一步。这就是我们教计算机学习的方式,所以它可以学习自己完成这些步骤。”

这项研究得到了法案的支持。梅林达•盖茨基金会。

主题:人工智能,范伯格医学院,西北医学,妇女健康

新闻旨在传播有益信息,英文原版地址:https://news.northwestern.edu/stories/2019/12/using-ai-to-analyze-placenta-health/

https://petbyus.com/20687/