Алгоритм искусственного интеллекта в оценке сердца плода. Первые этапы разработки НМИЦ АГП имени академика В.И. Кулакова

Патология сердечно-сосудистой системы плода – это наиболее распространенный вид врожденных пороков развития, находится на втором месте среди причин младенческой смертности и составляет 47% всех причин смерти от пороков развития. Общепринятый минимальный расчетный показатель частоты врожденных пороков сердца (ВПС) – 8 случаев на 1 тыс. живорожденных (5–9 из 1000 новорожденных).

Оценка сердца плода является сложной задачей, главным образом из-за небольшого размера сердца, непроизвольных движений плода, неудобного положения плода.

Дифференциальная диагностика нормального сердца плода и сердца с ВПС, требующим кардиохирургической помощи после рождения, является важной, а иногда критически необходимой целью ультразвукового исследования плода.

Цель исследования: создание системы поддержки принятия врачебных решений  путем формирования алгоритма осмотра сердца плода с помощью искусственного интеллекта, результатом которого должен стать один из вариантов медицинского заключения: “норма” – правильное строение сердца – ВПС нет; “не норма” – неправильное строение сердца – нельзя исключить наличие ВПС, рекомендована расширенная эхокардиография плода в кратчайшие сроки.

Материал и методы. Исследование проводилось на сроке беременности 18–21 нед. Каждое исследование на одного пациента содержало видеофайлы пяти стандартных проекций сердца. Каждый срез представлен не менее чем 25 кадрами. Верификация была выполнена путем подтверждения/изменения диагноза врачом-экспертом, а также подтверждением диагноза после рождения.

Результаты. В результате выполнения работ задача определения зон грудной клетки и сердца плода решена с точностью 98%, задача классификации среза сердца на кадре – с точностью 82%, задача определения патологии на срезах сердца – с точностью 77%.

Заключение. Результаты показали, что алгоритм искусственного интеллекта может повысить точность ультразвукового диагностики сердца плода и имеет хорошую прикладную ценность. Ожидается, что методы искусственного интеллекта внесут вклад в стандартизацию и оптимизацию эхокардиографии плода, повысят процент пренатальной диагностики ВПС и тем самым приведут к снижению младенческой смертности и детской инвалидизации.

1. Бокерия Л.А., Шаталова К.В. Детская кардиохирургия: Руководство для врачей. М.: НЦССХ им. А.Н. Бакулева, 2016: 24–40.

2. Бокерия Е.Л. Перинатальная кардиология: настоящее и будущее. Часть I: Врожденные пороки сердца. Российский вестник перинатологии и педиатрии. 2019; 64 (3): 5–10. https://doi.org/10.21508/1027-4065-2019-64-3-5-10

3. Mcleod G., Shum K., Gupta T. et al. Echocardiography in Congenital Heart Disease. Prog. Cardiovasc. Dis. 2018; 5–6: 468–475. https://doi.org/10.1016/j.pcad.2018.11.004

4. Yoon S.A., Hong W.H., Cho H.J. Congenital heart disease diagnosed with echocardiogram in newborns with asymptomatic cardiac murmurs: A systematic review. BMC Pediatr. 2020; 20: 1–10. https://doi.org/10.1186/s12887-020-02212-8

5. Patel N., Narasimhan E., Kennedy A. Fetal Cardiac US: Techniques and Normal Anatomy Correlated with Adult CT and MR Imaging. Radiographics. 2017; 37 (4): 1290–1303. https://doi.org/10.1148/rg.2017160126

6. Carvalho J.S., Axt-Fliedner R., Chaoui R. et al. ISUOG Practice Guidelines (updated): fetal cardiac screening. Ultrasound Obstet. Gynecol. 2023. 61 (6): 788–803. https://doi.org/10.1002/uog.26224

7. Приказ Министерства здравоохранения РФ от 20 октября 2020 г. N 1130н “Об утверждении Порядка оказания медицинской помощи по профилю “акушерство и гинекология”: [Зарегистрировано в Минюсте РФ 12 ноября 2020 г. Регистрационный N 60869]. – Официальный интернет-портале правовой информации” (www.pravo.gov.ru) 13 ноября 2020 г. N 0001202011130037 (дата обращения: 13.04.2025). – Текст: электронный.

8. Carvalho J.S., Allan L.D., Chaoui R. et al. ISUOG Practice Guidelines (updated): sonographic screening examination of the fetal heart. Ultrasound Obstet. Gynecol. 2013; 41 (3): 348–359. https://doi.org/10.1002/uog.12403

9. Bak G.S., Shaffer B.L., Madriago E. et al. Impact of maternal obesity on fetal cardiac screening: which follow-up strategy is cost-effective? Ultrasound Obstet. Gynecol. 2020; 56 (5): 705–716. https://doi.org/10.1002/uog.21895

10. Friedberg M.K., Silverman N.H., Moon-Grady A.J. et al. Prenatal detection of congenital heart disease. J. Pediatr. 2009; 155 (1): 26–31, 31.e1. https://doi.org/10.1016/j.jpeds.2009.01.050

11. Sekar P., Heydarian H.C., Cnota J.F. et al. Diagnosis of congenital heart disease in an era of universal prenatal ultrasound screening in southwest Ohio. Cardiol. Young. 2015; 25 (1): 35–41. https://doi.org/10.1017/S1047951113001467

12. Donofrio M.T., Moon-Grady A.J., Hornberger L.K. et al. Diagnosis and treatment of fetal cardiac disease: a scientific statement from the American Heart Association. American Heart Association Adults With Congenital Heart Disease Joint Committee of the Council on Cardiovascular Disease in the Young and Council on Clinical Cardiology, Council on Cardiovascular Surgery and Anesthesia, and Council on Cardiovascular and Stroke Nursing. Circulation. 2014; 27; 129 (21): 2183–2242. https://doi.org/10.1161/01.cir.0000437597.44550.5d

13. Tunçalp Ӧ., Pena-Rosas J.P., Lawrie T. et al. WHO recommendations on antenatal care for a positive pregnancy experience – going beyond survival. BJOG. 2017; 124 (6): 860–862. https://doi.org/10.1161/01.cir.0000437597.44550.5d

14. Baumgartner C.F., Kamnitsas K., Matthew J. et al. SonoNet: Real-Time Detection and Localisation of Fetal Standard Scan Planes in Freehand Ultrasound. IEEE Trans. Med. Imaging. 2017; 36 (11): 2204–2215. https://doi.org/10.1109/TMI.2017.2712367

15. Sklansky M., DeVore G.R. Fetal Cardiac Screening: What Are We (and Our Guidelines) Doing Wrong? J. Ultrasound Med. 2016; 35 (4): 679–681. https://doi.org/10.7863/ultra.15.07021

16. Sun H.Y., Proudfoot J.A., McCandless R.T. Prenatal detection of critical cardiac outflow tract anomalies remains suboptimal despite revised obstetrical imaging guidelines. Congenit. Heart Dis. 2018; 13 (5): 748–756. https://doi.org/10.1111/chd.12648

17. Garcia-Canadilla P., Sanchez-Martinez S., Crispi F. et al. Machine Learning in Fetal Cardiology: What to Expect. Fetal Diagn. Ther. 2020; 47 (5): 363–372. https://doi.org/10.1159/000505021

18. Arnaout R., Curran L., Zhao Y. et al. An ensemble of neural networks provides expert-level prenatal detection of complex congenital heart disease. Nat. Med. 2021; 27 (5): 882–891. https://doi.org/10.1038/s41591-021-01342-5

19. Artificial intelligence technologies. United Kingdom Engineering and Physical Sciences Research Council. Accessed December 12, 2022. https://epsrc.ukri.org/research/ourportfolio/researchareas/ait/

20. He F., Wang Y., Xiu Y.et al. Artificial intelligence in prenatal ultrasound diagnosis. Front. Med. 2021; 8: 729978. https://doi.org/10.3389/fmed.2021.729978

21. Zhang L., Ye X., Lambrou T. et al. A supervised texton based approach for automatic segmentation and measurement of the fetal head and femur in 2D ultrasound images. Phys. Med. Biol. 2016; 61 (3): 1095–1115. https://doi.org/10.1088/ 0031-9155/61/3/1095

22. Li P., Zhao H., Liu P., Cao F. Automated measurement network for accurate segmentation and parameter modification in fetal head ultrasound images. Med. Biol. Eng. Comput. 2020; 58 (11): 2879–2892. https://doi.org/10.1007/s11517-020-02242-5

23. van den Heuvel T.L.A., Petros H., Santini S. et al. Automated fetal head detection and circumference estimation from free-hand ultrasound sweeps using deep learning in resource-limited countries. Ultrasound Med. Biol. 2019; 45 (3): 773–785. https://doi.org/10.1016/j.ultrasmedbio.2018.09.015

24. Sinclair M., Baumgartner C.F., Matthew J. et al. Human-Level Performance on Automatic Head Biometrics in Fetal Ultrasound Using Fully Convolutional Neural Networks. IEEE. 2018; 714–717. https://doi.org/10.48550/arXiv.1804.09102

25. Nurmaini S., Rachmatullah M.N., Sapitri A.I. et al. Deep Learning-Based Computer-Aided Fetal Echocardiography: Application to Heart Standard View Segmentation for Congenital Heart Defects Detection. Sensors (Basel). 2021; 21 (23): 8007. https://doi.org/10.3390/s21238007

26. Han G., Jin T., Zhang L. et al. Adoption of Compound Echocardiography under Artificial Intelligence Algorithm in Fetal Congenial Heart Disease Screening during Gestation. Bionics Biomech. 2022: 2022: 6410103. https://doi.org/10.1155/2022/6410103

27. Wu H., Wu B., Lai F. et al. Application of Artificial Intelligence in Anatomical Structure Recognition of Standard Section of Fetal Heart. Comput. Math. Methods. Med. 2023. 24; 2023: 5650378. https://doi.org/10.1155/2023/5650378