カーネギーメロン大学（CMU）の研究者は、胎盤サンプルをスキャンして将来の妊娠における健康リスクの兆候を探す機械学習技術を開発しました。
このシステムは、医師が行う作業を支援することを目的としています。医師は、胎盤をスキャンして、その後の妊娠における合併症の兆候を探すことがあります。
最大の警告サインには、病変と呼ばれる血管があります。 脱落性血管障害。 彼らの存在は、母親が子癇前症、妊娠の2-8％で合併症を引き起こし、母親と赤ちゃんの両方にとって致命的であり得る状態に苦しんでいる可能性があることを示唆しています。
これらの病変が早期に検出された場合、症状が発生する前に状態を治療できます。 ただし、試験には長い時間と高度な専門スキルが必要であるため、通常、実施されることはほとんどありません。
妊娠中の合併症：AIに基づく新しいアプローチ
カーネギーメロンのアプローチは、胎盤からAIによる妊娠の可能性のある合併症に関するデータを自動的に取得することにより、評価をよりアクセスしやすくすることを目的としています。
「病理学者はこれらの画像で病気を見つけることができるように何年もの間訓練しますが、すべての胎盤を検査する時間がないほど多くの妊娠が病院システムを通過しているため、」と研究者は言いました。 ダニエル・クライマー.
私たちのアルゴリズムは、病理医が画像をスキャンし、血管を特定し、脱落性血管障害を特定する血管パターンを見つけることにより、どの画像に焦点を当てるべきかを知るのに役立ちます。
ダニエル・クライマー、 カーネギーメロン大学
システムの仕組み
チームは独自のシステムをトレーニングしました 人工知能 胎盤サンプルの画像を提供することにより病変を特定する。
画像 A は、単一の血管を示す青い正方形の胎盤スライドを示しています。 B 健康な血管を示しています。 C 脱落膜脈管障害の影響を示します：血管の内腔の周囲の肥大平滑筋。 これは妊娠中に合併症を引き起こす可能性があります。
システムはまず画像内のすべての血管を検出し、次に個々の血管が健康であるかどうかを判断します。
このアルゴリズムはまた、妊娠期間や母親の状態など、妊娠のさまざまな特性を評価して相互に関連付けます。 システムが異常を検出した場合は、胎盤を疾患としてマークし、妊娠中の合併症の可能性を警告します。
テスト中、アルゴリズムは専門の病理学者よりも正確に損傷を分類しました。
将来のアプリケーション
研究者たちは、システムが医療専門家に完全に取って代わることを期待していません。 代わりに、病理学者が注意深く見なければならない領域をマークすることを望んでいます。
最終的に、彼らはそれが試験のコストを削減し、より多くの母親と将来の母親へのアクセスを開き、彼らが複雑でない妊娠を確実にすることを望んでいます。
あなたは読むことができます 完全な研究論文 American Journal of Pathologyでは無料です。
