Yapay Zeka Destekli Kalp Hastalığı Taramasında Yeni Dönem Başladı
Araştırmacılar, EKG ile kalp MR görüntülerini birleştiren CardioNets modelini geliştirerek kardiyovasküler hastalıkların tespitini ve değerlendirmesini önemli ölçüde güçlendirdi.
Ding ve ekibi tarafından geliştirilen derin öğrenme modeli CardioNets, EKG verileri ile kalp MR görüntüleri arasındaki ilişkileri öğrenerek kardiyovasküler hastalıkların tespitinde standart yöntemleri geride bıraktı.
CardioNets Modeli ve Çalışma Prensibi
Ding ve meslektaşları, elektrokardiyogramlar ile eşleştirilmiş kardiyak manyetik rezonans görüntüleri arasındaki ilişkileri öğrenen CardioNets adlı derin öğrenme modelini geliştirdiler. Bu yenilikçi model, yalnızca EKG verilerini analiz eden geleneksel sistemlerden çok daha üstün bir performans ortaya koydu.
Yöntemlerin Maliyet ve İşlev Karşılaştırması
Kardiyak MR görüntülemesi kalbin yapısı ve fonksiyonu hakkında kapsamlı bir değerlendirme sunarken, yüksek maliyeti yaygın kullanımını engellemektedir. Buna karşılık EKG düşük maliyetlidir ve yaygın olarak kullanılır ancak kalp yapısını değerlendirmede yetersiz kalmaktadır. CardioNets, sadece EKG girdisi kullanarak bu eksikliği gidermektedir.
Geniş Kapsamlı Araştırma ve Veri Seti
Araştırmacılar ölçüm tahmini, kardiyovasküler hastalık tespiti, görüntü sentezi ve doktor performansını ayrıntılı olarak değerlendirdi. Çalışma, modelin eğitimi ve doğrulanması için UK Biobank, MIMIC-IV-ECG ve iki Çin hastanesinden sağlanan 159 bin 819 örneği kullandı.
Başarı Oranları ve Performans Kriterleri
CardioNets, en güçlü EKG tabanlı kıyaslama modeline kıyasla 82 kardiyak ölçümün tahminini iyileştirdi. Kardiyomiyopati tespiti için modelin doğruluk eğrisi altındaki alanı 0.890 olarak gerçekleşirken, MIMIC veritabanındaki pulmoner hipertansiyon için bu değer 0.879 oldu.