Университет Вирджинии получил грант NIH на разработку ИИ для лечения сердечной недостаточности

Национальные институты здравоохранения США (NIH) выделили 4 млн долларов исследователям Университета Вирджинии на разработку GenStrain — модели искусственного интеллекта, которая должна помочь врачам выбирать подходящий вид кардиостимуляции для пациентов с сердечной недостаточностью.

Проект возглавляет Мяомяо Чжан, доцент кафедры электротехники, вычислительной техники и компьютерных наук. Вместе с инженерами, специалистами по медицинской визуализации и врачами UVA Health она разрабатывает систему, которая будет оценивать движение сердечной мышцы по обычным МРТ-снимкам. Сейчас команда проверяет, насколько точно модель сможет работать в разных клиниках и на данных пациентов с разными особенностями.

Почему выбор терапии важен

По данным Американской кардиологической ассоциации, в США сердечной недостаточностью страдают более 6 млн человек. У многих из них нижние камеры сердца сокращаются несинхронно, из-за чего сердечные сокращения становятся менее эффективными.

Кардиоресинхронизирующая терапия (CRT) с помощью имплантированного устройства стимулирует обе нижние камеры и помогает восстановить согласованность их работы. Однако, по данным исследовательской группы, у 30–40% пациентов, которым назначают CRT, лечение не дает ожидаемого результата.

Врачи применяют два основных подхода: стандартную стимуляцию обоих желудочков и более новый метод — стимуляцию области левой ножки пучка Гиса, задействующую часть естественной проводящей системы сердца. Оба варианта могут быть эффективны, но надежного способа заранее определить, какой из них лучше подойдет конкретному человеку, пока нет.

Один из возможных ориентиров — региональная деформация миокарда: показатель того, как участки сердечной мышцы растягиваются и сокращаются при каждом ударе. Эти измерения позволяют увидеть, где именно нарушена синхронность. Но наиболее точный метод, МРТ DENSE, требует дополнительного времени на сканирование и доступен преимущественно в исследовательских и специализированных центрах. Обычную кино-МРТ, которая показывает сердце в движении, используют гораздо шире, но она не дает такого же уровня детализации.

Как будет работать GenStrain

Модель обучают на снимках DENSE, чтобы она научилась точно оценивать движение сердечной ткани, а затем применяли эти знания к стандартной кино-МРТ. По замыслу разработчиков, это позволит получать подробные оценки движения и деформации миокарда без дополнительного сканирования.

«Цель — получать по обычной кино-МРТ оценки движения и деформации такого же качества, как по DENSE, не проводя дополнительное сканирование», — сказал Ришов Пол, аспирант и ведущий разработчик GenStrain.

Чжан начала изучать возможности стандартной МРТ сердца в 2023 году после получения премии NIH R21 Trailblazer. Новый грант расширяет проект: исследователи получат доступ к данным нескольких учреждений и будут совершенствовать методы, которые должны обеспечить надежную работу модели в разных клинических условиях.

К проекту подключены специалисты Университета Содружества Вирджинии, Медицинского колледжа Бейлора, Университета Юты и других организаций. Они будут проверять GenStrain на обезличенных снимках и клинических данных, чтобы оценить точность системы на разных группах пациентов. В команде также участвуют сотрудники UVA Health, включая кардиолога Кеннета Билчика, который помогает определить клинические задачи для будущего инструмента.

«Мы больше не проверяем только то, работает ли модель в UVA. Нам важно понять, остается ли она надежной в разных медицинских центрах и при сложных клинических случаях», — сказала Чжан.

По словам исследователей, для применения в медицине одной точности недостаточно: врачи должны понимать, почему система предлагает тот или иной вариант. Поэтому команда также разрабатывает способы сделать выводы модели объяснимыми. «В здравоохранении ИИ не может быть просто черным ящиком», — отметила Чжан.

В ближайшие пять лет ученые планируют разработать и проверить GenStrain на данных UVA и партнерских учреждений. Клиническое испытание может стать следующим этапом — после подтверждения точности и надежности модели в разных условиях. До этого разработка остается исследовательским проектом, а не готовым инструментом для выбора лечения.