С мерцательной аритмией справится цифровое сердце
Российские учёные разработали компьютерную модель центрального органа кровообращения человека для лечения мерцательной аритмии. Исследователи Московского физико-технического пришли к выводу, что повысить эффективность терапии этих нарушений с помощью цифровых моделей сердца вполне реально. Полученные данные в перспективе помогут врачам-кардиологам лучше понимать механизм патологии, а также снизить количество рецидивов заболевания, сообщили в МФТИ.
Мерцательная аритмия или фибрилляция предсердий — одно из самых распространенных нарушений сердечного ритма, которое затрагивает около 2% населения. По прогнозам экспертов, в течение следующих 20 лет ее распространенность среди людей старше 60 лет достигнет 60 %. Заболевание характеризуется хаотичными и неэффективными сокращениями предсердий, в результате чего сердцебиение становится неравномерным. Пациент с таким диагнозом испытывает одышку, головокружение и слабость. К осложнениям заболевания относятся инсульт, тромбообразование, сердечная недостаточность и другие заболевания.
Один из методов лечения мерцательной аритмии — катетерная абляция. Это хирургическая процедура, направленная на разрушение участков ткани, вызывающих аритмию. Она может быть эффективной, особенно при эпизодической форме заболевания. Однако часто после проведения данной процедуры аритмия возвращается. В новом исследовании МФТИ показано, что использование цифровых моделей сердца, созданных на основе данных МРТ, может помочь снизить количество таких рецидивов.
В результате исследования разработана автоматизированная система, точно сегментирующая изображения МРТ сердца, с помощью методов глубокого обучения. В перспективе она способна уменьшить нагрузку на врачей-кардиологов, которые обычно делают эту работу вручную.
- Мы создали специальный набор данных и стандартизированные протоколы для ручной маркировки, чтобы улучшить точность сегментации и сделать процесс менее трудоемким для врачей. Для этого мы собрали данные МРТ сердца из двух баз данных. После этого двое специалистов вручную их промаркировали, следуя стандартным протоколам, чтобы уменьшить количество ошибок. Для автоматизации процесса сегментации использовались модели нейросети nnU-Net и smpU-Net++, - рассказал один из авторов исследования, старший научный сотрудник лаборатории экспериментальной и клеточной медицины Института биофизики будущего МФТИ Михаил Слотвицкий.
Результаты работы представлены в международном научном журнале Computer Methods and Programs in Biomedicine.
Фото: drafib.com