Возможности применения нейросетевого анализа в ультразвуковой диагностике врожденных пороков развития плода во II триместре беременности

Цель исследования. Целью работы является оценка диагностических возможностей применения искусственного интеллекта в ультразвуковой диагностике выявления врожденных пороков центральной нервной системы, сердечно-сосудистой системы и органов брюшной полости плода во II триместре беременности.

Материалы и методы. В ходе работы по оценке возможностей применения искусственного интеллекта в пренатальной ультразвуковой диагностике в выявлении врожденных пороков развития различных систем и органов было проведено ультразвуковое исследование 371 пациентки во II триместре беременности. Проводились сбор материалов, обработка снимков, графическое выделение основных анатомических структур, «обучение» нейросетевой модели функции «распознавания» анатомических ориентиров и формирования инструментального диагноза по типу «норма» и «не норма».

Результаты. Было получено и графически выделено 1484 эхограммы с визуализацией структур головного мозга плода в аксиальном сечении, сердца в четырехкамерном срезе и сосудов в срезе через три сосуда, а также органов брюшной полости в поперечно-абдоминальном срезе. «Обучение» нейросетевой модели проводилось с использованием как ультразвуковых снимков с нормальным анатомическим строением указанных областей структур, так и с патологически измененной ультразвуковой картиной.

Заключение. Применение искусственного интеллекта в современной пренатальной ультразвуковой диагностике в выявлении врожденных пороков развития плода во II триместре беременности может позволить с достаточно высокой точностью сформировать инструментальный диагноз по типу «норма» и «не норма».

1. Бурлуцкая А. В., Статова А. В., Мамян Э. В. Структура и организация паллиативной медицинской помощи детям в Краснодарском крае //Кубанский научный медицинский вестник. 2020. Т. 27, № 2. С. 29–37. https://doi.org/10.25207/1608-6228-2020-27-2-2937

2. Гуменюк Е. Г., Ившин А. А., Болдина Ю. С. Поиск предикторов задержки роста плода: от сантиметровой ленты до искусcтвенного интеллекта //Акушерство и гинекология. 2022. № 12. С. 18–24. https://dx.doi.org/10.18565/aig.2022.185

3. Жданова Е. В., Рубцова Е. В. Опыт внедрения пилотного проекта «Искусственный интеллект» в работе участкового терапевта на территории Ямало-Ненецкого автономного округа: пилотное одномоментное скрининговое обсервационное исследование //Кубанский научный медицинский вестник/2022. Т. 29, № 4. С. 14–31. https://doi.org/10.25207/1608-6228-2022-29-414-31

4. Поморцев А. В., Редько А. Н., Барсукова Е. А., Матосян М. А., Дьяченко Ю. Ю., Дьяченко Р. А., Белоглядова И. А., Янаева М. В., Бабаян В. Т. Применение искусственного интеллекта в ультразвуковой диагностике пороков ЦНС плода в сроках гестации с 19 по 22 неделю беременности //Инновационная медицина Кубани. 2024. № 2. С. 42–47. https://doi.org/10.35401/2541-98972024-9-2-42-47

5. Поморцев А. В., Карахалис М. Н., Матулевич С. А., Дащян Г. А., Халафян А. А., Сенча А. Н. Пороки развития сердца плода: факторы риска и возможности ультразвукового метода при первом скрининге //Инновационная медицина Кубани. 2023. № 4. С. 51–59. https://doi.org/10.35401/2541-9897-2023-8-451-59

6. Carvalho J., Axt-Fliedner R., Chaoui R., Copel J., Cuneo B., Goff D., Gordin Kopylov L., Hecher K., Lee W., MoonGrady A., Mousa H., Munoz H., Paladini D., Prefumo F., Quarello E., Rychik J., Tutschek B., Wiechec M., Yagel S. Практические рекомендации ISUOG (обновленные): ультразвуковое скрининговое исследование сердца плода //Ультразвуковая и функциональная диагностика. 2024. № 1. С. 44–70. https://doi.org/10.24835/1607-0771-270

7. Drukker L., Noble J. A., Papageorghiou A. T. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020;56(4):498-505. https://doi.org/10.1002/uog.22122

8. Iftikhar P., Kuijpers M. V., Khayyat A., Iftikhar A., DeGouvia De Sa M. Artificial Intelligence: A New Paradigm in Obstetrics and Gynecology Research and Clinical Practice. Cureus. 2020;12(2):e7124. https://doi.org/10.7759/cureus.7124

9. Yi J., Kang H. K., Kwon J. H., Kim K. S., Park M. H., Seong Y. K., Kim D. W., Ahn B., Ha K., Lee J., Hah Z., Bang W. C. Technology trends and applications of deep learning in ultrasonography: image quality enhancement, diagnostic support, and improving workflow efficiency. Ultrasonography. 2021;40(1):7-22. https://doi.org/10.14366/usg.20102