Tekoälyavusteinen 2D sikiön aivoultratutkimus aivokammioepämuodostumien havaitsemiseksi (ALYSSIA)

Fetaalisten aivojen poikkeavuuksien oikea-aikainen havaitseminen on ratkaisevan tärkeää esisynnytyksen neuvonnan ja synnytyksen jälkeisten neurologisten tulosten parantamiseksi. Ultraitakuva on yleisimmin käytetty ja tehokas kuvantamismenetelmä sikiön rakenteiden arvioimiseksi; kuitenkin diagnoosien tarkkuuteen voi vaikuttaa operaattorin kokemus, sikiön asento ja kuvanlaatu, mikä johtaa tulkintojen vaihteluun. Tekoälyyn (AI) perustuva kuvananalyysi tarjoaa uuden mahdollisuuden standardoida diagnostinen arviointi ja vähentää subjektiivisuutta ultraitakuvien tulkinnassa.

Tämän tutkimuksen tavoitteena on arvioida AI-avusteisen mallin (Alyssia) diagnostista tarkkuutta ja kliinistä sovellettavuutta, joka on suunniteltu analysoimaan arkistoituja 2D-fetaalisten aivojen ultraitakuvia. Malli koulutetaan ja validoidaan erottamaan normaaleja ja poikkeavia intrakraniaalisia löydöksiä, keskittyen erityisesti lateraalisiin kammioihin ja muihin merkityksellisiin aivojen alueisiin. Tutkimus hyödyntää havainnointiin ja retrospektiiviseen suunnitteluun perustuvaa tutkimusasetelmaa käyttäen anonyymejä ultraitakuva-aineistoja, jotka on kerätty rutiininomaisissa esisynnytystutkimuksissa 18–24 viikon raskausiän aikana.

Asiantuntijakliinikot tarkistavat ja luokittelevat kaikki kelvolliset kuvat perustavanlaatuisten totuusluokitusten saamiseksi mallin koulutusta ja validointia varten. Syväoppimiseen perustuva algoritmi kehitetään luokittelemaan nämä kuvat automaattisesti, ja sen suorituskykyä arvioidaan käyttäen tarkkuutta, herkkyyttä, spesifisyyttä, precisionia ja F1-pistemittareita. Väärin luokitellut tapaukset analysoidaan laadullisesti tunnistaakseen vaikuttavia tekijöitä, kuten kuvanlaatua, anatomista vaihtelua ja raskausiän eroja.

Vertaamalla AI-mallin tuloksia asiantuntijoiden luokittelemiin viitearvoihin tutkimus arvioi mallin kykyä parantaa diagnoosien standardointia ja vähentää eri tarkkailijoiden välisiä vaihteluita. Tulosten odotetaan tarjoavan arvokkaita näkemyksiä tekoälyyn perustuvien päätöksentukijärjestelmien integroinnista esisynnytyksen neurosonografiaan. Lopuksi tämän tutkimuksen tavoitteena on tukea fetaalisten aivojen poikkeavuuksien aikaisempaa ja luotettavampaa havaitsemista, edistää parantunutta esisynnytyshoitoa sekä terveempiä tuloksia äideille ja vauvoille.