ИИ-модель Fetal SMPL создает точные 3D-модели плода для диагностики при беременности

Исследователи из MIT CSAIL разработали инструмент машинного обучения, который способен моделировать форму и движения плода в трехмерном пространстве с точностью до 3,1 миллиметра. Эта технология потенциально может помочь врачам выявлять аномалии развития и ставить более точные диагнозы.

Проблема традиционной диагностики

Для беременных женщин ультразвуковое исследование остается основным диагностическим инструментом. Оно обычно дает двухмерные черно-белые снимки, которые могут показать биологический пол, приблизительные размеры и некоторые аномалии, такие как проблемы с сердцем или заячья губа. Если врачу требуется более детальный осмотр, может использоваться магнитно-резонансная томография (МРТ), которая создает трехмерное изображение плода.

Однако МРТ-сканирование имеет свои ограничения: трехмерные снимки сложны для интерпретации врачами, поскольку наша визуальная система не привыкла обрабатывать объемные сканы, показывающие как внешние контуры, так и внутренние структуры объекта.

Решение от MIT CSAIL

Новый подход под названием «Fetal SMPL» от MIT Computer Science and Artificial Intelligence Laboratory (CSAIL), Boston Children’s Hospital и Harvard Medical School предлагает клиницистам более детальную картину здоровья плода. Метод был адаптирован из модели SMPL (Skinned Multi-Person Linear model), разработанной в компьютерной графике для захвата форм и поз взрослых тел.

Fetal SMPL обучалась на 20 000 объемных МРТ-сканов для предсказания местоположения и размера плода и создания скульптуроподобных 3D-представлений. Внутри каждой модели находится скелет с 23 сочлененными суставами, называемый «кинематическим деревом», который система использует для позирования и движения, подобно плодам, которых она видела во время обучения.

Точность в 3,1 миллиметра — это меньше рисового зернышка. Такой уровень детализации позволяет не просто увидеть плод, а буквально измерить его с хирургической точностью. Особенно впечатляет адаптация компьютерно-графических моделей для медицинских целей — редкий случай, когда игровые технологии действительно спасают жизни.

Клинические перспективы

Подход может позволить врачам точно измерять такие параметры, как размер головы или живота ребенка, и сравнивать эти показатели со здоровыми плодами того же возраста. Fetal SMPL уже продемонстрировала свой клинический потенциал в ранних тестах, где достигла точных результатов совмещения на небольшой группе реальных сканов.

«Может быть сложно оценить форму и позу плода, потому что они сжаты в тесных пределах матки», — говорит ведущий автор исследования, аспирант MIT и исследователь CSAIL Инчэн Лю. — «Наш подход преодолевает эту проблему, используя систему взаимосвязанных костей под поверхностью 3D-модели, которые реалистично представляют тело плода и его движения».

Тестирование и результаты

Fetal SMPL тестировалась на точность формы и позы против ближайшего базового уровня, который смогли найти исследователи: системы моделирования роста младенцев под названием «SMIL». Поскольку дети вне утробы больше плодов, команда уменьшила эти модели на 75 процентов для выравнивания условий.

Система превзошла этот базовый уровень на наборе данных фетальных МРТ в возрасте от 24 до 37 недель беременности, сделанных в Boston Children’s Hospital. Fetal SMPL смогла более точно воссоздать реальные сканы, поскольку ее модели тесно совпадали с реальными МРТ.

Метод был эффективен в совмещении их моделей с изображениями, требуя всего трех итераций для достижения разумного совмещения. В эксперименте, который подсчитывал, сколько неправильных предположений сделала Fetal SMPL перед достижением окончательной оценки, ее точность вышла на плато с четвертого шага.

Ограничения и будущее развитие

Лю также отмечает, что их система помогает анализировать только то, что врачи могут увидеть на поверхности плода, поскольку под кожей моделей лежат только костеподобные структуры. Для лучшего мониторинга внутреннего здоровья детей, такого как развитие печени, легких и мышц, команда намерена сделать свой инструмент объемным, моделируя внутреннюю анатомию плода из сканов.

Исследователи только начали тестировать свою систему в реальном мире, где она произвела аналогично точные модели в начальных клинических тестах. Хотя эти результаты обнадеживают, команда отмечает, что им нужно применить свои результаты к большим популяциям, разным гестационным возрастам и разнообразным случаям заболеваний, чтобы лучше понять возможности системы.

По материалам MIT News