Разработка и тестирование моделей искусственного интеллекта для биометрии плода и оценки амниотического объема при ультразвуковом сканировании плода.

Рутинное ультразвуковое исследование плода во втором триместре беременности является недорогим, неинвазивным методом скрининга, который, как было доказано, снижает смертность плода на 20%. Одним из важнейших элементов этого обследования является измерение биометрических параметров плода, а именно окружности головы (ОГ), бипариетального диаметра (ОПД), окружности живота (ОА) и длины бедренной кости (ДЛ), измеренных на стандартных биометрических плоскостях. Эти стандартные плоскости взяты в соответствии со стандартами качества, впервые описанными Salomon et al. и используется в качестве руководства Международного общества ультразвука в акушерстве и гинекологии (ISUOG). Извлекаемые из них биометрические параметры необходимы для диагностики задержки роста плода (ЗРП) — первой в мире причины перинатальной смертности плода.

Такие измерения и оценка качества изображения являются трудоемкими задачами, которые подвержены изменчивости между наблюдателями и внутри них в зависимости от уровня навыков специалиста по УЗИ или врача, проводящего исследование.

Оценка объема амниотической жидкости (AF) также является важным этапом рутинных скрининговых исследований, позволяющих диагностировать маловодие или многоводие, которые связаны с повышенной смертностью плода.

AF измеряется двумя основными «полуколичественными» методами: индексом амниотической жидкости (AFI) и одним самым глубоким карманом (SDP). Последний метод более специфичен, так как он снижает гипердиагностику малоплодных амнионов без какого-либо влияния на смертность или заболеваемость и его легче выполнять сонографисту (только одно измерение против четырех в случае метода AFI). Однако оценка ФП остается трудоемкой и плохо воспроизводимой задачей.

Попытки автоматизировать такие биометрические измерения и оценку объема ФП предпринимались с использованием инструментов искусственного интеллекта (ИИ) и глубокого обучения (ГО). Исследования показали превосходные результаты «in silico», достигая 98 %, 95 %, 93 % коэффициентов оценки в кости для измерений HC, AC и FL и 89 % DSC для измерений AFI. Однако все они были проведены ретроспективно без проверки на проспективно полученных изображениях.

Обзоры и эксперты подчеркивают необходимость качественных рецензируемых перспективных исследований для оценки производительности инструментов ИИ с использованием реальных данных. Ожидается, что их производительность будет хуже и лучше будет отражать их использование в клиническом рабочем процессе.

Это исследование направлено на разработку моделей DL для автоматизации измерений HC, BPD, AC и FL и оценки объема AF на основе ретроспективно полученных данных и проверки их характеристик по сравнению с клиницистами и экспертами на проспективных реальных УЗИ плода.