Согласно исследованию, опубликованному 7 июля в Nature Communications, исследователи разработали модель искусственного интеллекта, которая может точно идентифицировать пациентов с диабетом II типа по обычным рентгеновским снимкам грудной клетки спереди.
Группа обнаружила, что модель глубокого обучения (DL) сочетает в себе функции амбулаторной рентгенографии грудной клетки и данные электронной медицинской карты (EHR) и отметила 1381 случай (14%) как подозрительный на диабет II типа в тестовом наборе данных из 9943 рентгенограмм грудной клетки.
«Эти результаты демонстрируют потенциал моделей DL в использовании демографических и административных данных EHR для выявления заболеваний», — написал автор-корреспондент Айис Пиррос, доктор медицинских наук, из Dully Health and Care, и его коллеги.
Рентген грудной клетки не является основным методом выявления диабета II типа, однако его можно использовать для измерения биомаркеров, связанных с этим заболеванием. Это включает в себя висцеральный жир и индекс массы тела (ИМТ), которые являются независимыми факторами риска развития заболевания, пояснили исследователи. Более того, хотя показатели заболеваемости диабетом растут, показатели выявления остаются на том же уровне, что и в 1980-х годах.
Таким образом, группа выдвинула гипотезу, что модель DL — в частности, модель, обученная генерировать визуальные результаты (так называемый «объяснимый ИИ») — могла бы помочь сократить этот разрыв.
Исследователи обучили модель DL прогнозировать диабет II типа, используя 271 065 амбулаторных рентгеновских снимков грудной клетки у 160 244 пациентов. Помимо изображений с надписями, входные данные включали информацию из кодов ICD9 и ICD10, используемых при обработке заявок EHR, которые включают диагнозы и описания симптомов. Дополнительные данные о тренировках включали индекс массы тела каждого пациента (ИМТ).
Карты окклюзии, определяющие ключевые особенности репрезентативных рентгенограмм грудной клетки с высокими и низкими диагностическими показателями. Темно-зеленые пиксели выделяют важные особенности для прогнозирования модели, в первую очередь связанные с кардиомедиастинальной, верхней частью брюшной полости, нижней частью шеи и надключичными областями. Представлены примеры CXR с высокими и низкими диагностическими баллами. Изображение и подпись любезно предоставлены Nature Communications через CC BY 4.0.
Проспективный тестовый набор данных из 9 943 изображений включал 8 382 (84,3%) пациента без диабета II типа, 1 119 (11,3%), у которых заболевание было контролируемым, и 442 (4,4%) с плохо контролируемым заболеванием. Согласно полученным результатам, модель эффективно выявляла диабет II типа с площадью под рабочей кривой приемника (AUC), равной 0,84, и распространенностью 16%. Модель отметила 1381 случай (14%) как подозрительный на диабет II типа.
Наконец, авторы отметили, что карты окклюзии, сгенерированные для отображения основы для решений модели DL, в значительной степени соответствовали известным особенностям распределения жира при заболевании в центральной части грудной клетки, нижней части шеи, верхней части живота и подмышечных областях.
«Мы считаем, что обнаружение этого центрального ожирения средостения является причиной того, что модель DL способна предсказывать [диабет II типа] у пациентов», — пишут исследователи.
В конечном счете, поскольку рентген грудной клетки является наиболее распространенным методом визуализации в мире, такие модели искусственного интеллекта могут быть применены к большим группам населения для выявления лиц с высоким риском и проведения более точной оценки риска, пришли к выводу исследователи.
