Для беременных женщин ультразвук — это информативная (и иногда необходимая) процедура. Обычно она позволяет получить двухмерные чёрно-белые снимки плодов, которые могут выявить ключевые данные, включая биологический пол, приблизительный размер и аномалии, такие как проблемы с сердцем или заячья губа. Если врач хочет рассмотреть подробнее, он может использовать магнитно-резонансную томографию (МРТ), которая использует магнитные поля для получения изображений, которые можно объединить для создания трёхмерного изображения плода.
МРТ — не универсальное решение
Трёхмерные снимки сложно интерпретировать для постановки диагноза, поскольку наша зрительная система не привыкла обрабатывать трёхмерные объёмные сканы (то есть обзор со всех сторон, который также показывает внутренние структуры объекта).
На помощь приходит машинное обучение, которое может помочь более чётко и точно смоделировать развитие плода на основе данных — хотя ни один такой алгоритм пока не смог смоделировать их несколько хаотичные движения и различные формы тела.
Новый подход: Fetal SMPL
Новый подход под названием «Fetal SMPL» из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (MIT), Бостонской детской больницы (BCH) и Гарвардской медицинской школы предоставил врачам более детальную картину здоровья плода.
Fetal SMPL был адаптирован из «SMPL» (Skinned Multi-Person Linear model), трёхмерной модели, разработанной в компьютерной графике для захвата форм и поз взрослого человека, как способ точного представления форм и поз плода. Затем Fetal SMPL был обучен на 20 000 объёмах МРТ, чтобы предсказывать местоположение и размер плода и создавать трёхмерные представления, похожие на скульптуры.
Внутри каждой модели находится скелет с 23 сочленёнными суставами, называемый «кинематическим деревом», который система использует для постановки и движения, как это делали плоды во время обучения.
Обширные реальные сканирования, на которых обучался Fetal SMPL, помогли ему развить высокую точность. Представьте себе, что вы встали в отпечаток чужой стопы с завязанными глазами, и не только он идеально подходит, но вы правильно угадываете, какую обувь они носили — аналогично инструмент точно соответствовал положению и размеру плодов на МРТ-снимках, которые он раньше не видел.
Fetal SMPL был смещён в среднем примерно на 3,1 миллиметра, что меньше, чем одно зёрнышко риса.
Этот подход может позволить врачам точно измерить такие параметры, как размер головы или живота ребёнка, и сравнить эти показатели со здоровыми плодами того же возраста.
Fetal SMPL продемонстрировал свой клинический потенциал на ранних тестах, где он достиг точных результатов выравнивания на небольшой группе реальных сканирований.
«Может быть сложно оценить форму и позу плода, потому что они находятся в ограниченном пространстве матки», — говорит ведущий автор, аспирант Массачусетского технологического института и исследователь CSAIL Инчен Лю. «Наш подход преодолевает эту проблему, используя систему взаимосвязанных костей под поверхностью трёхмерной модели, которые реалистично представляют тело плода и его движения. Затем он полагается на алгоритм координатного спуска, чтобы сделать прогноз, по сути, чередуя угадывание позы и формы по сложным данным, пока не найдёт надёжную оценку».
В утробе матери
Fetal SMPL был протестирован на точность формы и позы по сравнению с ближайшим базовым уровнем, который исследователи смогли найти: системой, моделирующей рост ребёнка, под названием «SMIL». Поскольку дети вне утробы больше, чем плоды, команда уменьшила эти модели на 75%, чтобы уравнять условия.
Система превзошла этот базовый уровень на наборе данных МРТ плода между 24 и 37 неделями гестации, взятых в Бостонской детской больнице. Fetal SMPL смог более точно воссоздать реальные снимки, поскольку его модели точно совпадали с реальными МРТ.
Метод эффективно выстраивал свои модели в соответствии с изображениями, требуя всего трёх итераций для достижения разумного выравнивания. В эксперименте, в котором подсчитывалось, сколько неправильных предположений сделал Fetal SMPL, прежде чем прийти к окончательной оценке, его точность стабилизировалась начиная с четвёртого шага.
Исследователи только начали тестировать свою систему в реальных условиях, где она продемонстрировала столь же точные модели в начальных клинических испытаниях. Хотя эти результаты многообещающие, команда отмечает, что им необходимо применить свои результаты к более крупным группам населения, различным срокам гестации и различным случаям заболеваний, чтобы лучше понять возможности системы.
Только поверхностный анализ
Лю также отмечает, что их система помогает анализировать только то, что врачи могут увидеть на поверхности плода, поскольку под кожей моделей лежат только костные структуры. Чтобы лучше контролировать внутреннее здоровье детей, например, развитие печени, лёгких и мышц, команда намерена сделать свой инструмент объёмным, смоделировав внутреннюю анатомию плода по сканированию. Такие обновления сделали бы модели более человекоподобными, но текущая версия Fetal SMPL уже представляет собой точную (и уникальную) модернизацию трёхмерного анализа здоровья плода.
«Это исследование представляет метод, специально разработанный для МРТ плода, который эффективно фиксирует движения плода, улучшая оценку развития и здоровья плода», — говорит Кихо Им, доцент Гарвардской медицинской школы, профессор педиатрии и научный сотрудник отдела новорождённых в Центре наук о развитии и нейровизуализации плода в Бостонской детской больнице. Им, который не участвовал в написании статьи, добавляет, что этот подход «не только улучшит диагностическую полезность МРТ плода, но и даст представление о раннем функциональном развитии мозга плода в связи с движениями тела».
«Эта работа достигает новаторской вехи, расширяя параметрические модели поверхности человеческого тела для самых ранних форм человеческой жизни: плодов», — говорит Серхи Пухадес, доцент Университета Гренобль-Альпы, который не участвовал в исследовании. «Это позволяет нам разобраться в форме и движении человека, что уже доказало свою ключевую роль в понимании того, как форма тела взрослого человека связана с метаболическими состояниями, а движение ребёнка — с нарушениями развития нервной системы. Кроме того, тот факт, что модель плода основана на модели взрослого человека (SMPL) и ребёнка (SMIL) и совместима с ними, позволит нам изучить эволюцию формы и позы человека в течение длительных периодов времени. Это беспрецедентная возможность для дальнейшего количественного определения того, как на рост формы человека и движение влияют различные условия».
Лю написал статью с тремя членами CSAIL: Пейци Ваном, аспирантом MIT; Себастьяном Диасом, аспирантом MIT; и старшим автором Полиной Голландом, профессором электротехники и компьютерных наук в Массачусетском технологическом институте, главным исследователем в MIT CSAIL и руководителем группы Medical Vision. Также в числе авторов — доцент Бостонской детской больницы по педиатрии Эсра Абачи Тюрк, исследователь Inria Бенджамин Билло и профессор Гарвардской медицинской школы по педиатрии и профессор радиологии Патриция Эллен Грант. Эта работа была частично поддержана Национальными институтами здравоохранения и программой MIT CSAIL-Wistron.
Исследователи представят свою работу на Международной конференции по компьютерным вычислениям в медицине и компьютерным интервенциям (MICCAI) в сентябре.
1. Какие проблемы существуют при интерпретации трёхмерных снимков плода, полученных с помощью МРТ, и как машинное обучение помогает их решить?
В тексте указано, что трёхмерные снимки сложно интерпретировать для постановки диагноза, поскольку наша зрительная система не привыкла обрабатывать трёхмерные объёмные сканы. Машинное обучение помогает более чётко и точно смоделировать развитие плода на основе данных.
2. Как работает система Fetal SMPL и какие параметры она позволяет измерить?
Fetal SMPL был адаптирован из «SMPL» (Skinned Multi-Person Linear model), трёхмерной модели, разработанной в компьютерной графике для захвата форм и поз взрослого человека. Затем Fetal SMPL был обучен на 20 000 объёмах МРТ, чтобы предсказывать местоположение и размер плода и создавать трёхмерные представления. Система позволяет точно измерить такие параметры, как размер головы или живота ребёнка.
3. Какие результаты показал Fetal SMPL в клинических испытаниях и какие перспективы у этого подхода?
Fetal SMPL продемонстрировал свой клинический потенциал на ранних тестах, где он достиг точных результатов выравнивания на небольшой группе реальных сканирований. Исследователи только начали тестировать свою систему в реальных условиях, где она продемонстрировала столь же точные модели в начальных клинических испытаниях. Хотя эти результаты многообещающие, команда отмечает, что им необходимо применить свои результаты к более крупным группам населения, различным срокам гестации и различным случаям заболеваний, чтобы лучше понять возможности системы.
4. Какие ограничения существуют у текущей версии Fetal SMPL и какие обновления планируются?
Лю также отмечает, что их система помогает анализировать только то, что врачи могут увидеть на поверхности плода, поскольку под кожей моделей лежат только костные структуры. Чтобы лучше контролировать внутреннее здоровье детей, команда намерена сделать свой инструмент объёмным, смоделировав внутреннюю анатомию плода по сканированию. Такие обновления сделали бы модели более человекоподобными.
5. Какие потенциальные преимущества может принести использование Fetal SMPL в медицинской практике?
Использование Fetal SMPL может улучшить диагностическую полезность МРТ плода и дать представление о раннем функциональном развитии мозга плода в связи с движениями тела. Это позволит лучше понять форму и движение человека, что уже доказало свою ключевую роль в понимании того, как форма тела взрослого человека связана с метаболическими состояниями, а движение ребёнка — с нарушениями развития нервной системы.