預測胎盤:使用人工智慧保護母親未來的懷孕

圖像: 胎盤膜的全數字化幻燈片圖像

 

嬰兒出生後,醫生有時會檢查胎盤的特徵,以預測將來懷孕的健康風險。不幸的是,這是一個耗時的過程,必須由專家來執行,因此大多數胎盤在出生後都不會被檢查。卡內基·梅隆大學等的一組研究人員在《美國病理學雜誌》上報告他們研發出一種機器學習方法以檢查胎盤,因此可以告知更多女性她們的健康風險。

 

檢查胎盤的原因之一是尋找一種血管病變,稱為蛻膜性血管病變(DV)。這個病變指出母親在將來的任何懷孕中都會有妊娠性高血壓的風險,可能導致母嬰致命。只要被發現,妊娠性高血壓就可以得到治療。因此在症狀出現之前可以識別高風險母親有相當大的益處。然而,檢查時可能會看到數百條血管,但僅需一條血管有病變,即可表示危險。

 

美國賓州匹茲堡工程學院D. Clymer博士說:「目前,病理學家經過多年培訓才能在這些圖像中發現疾病,但是由於懷孕人數很多,導致他們沒有時間去檢查每個胎盤。我們的演算法可幫助病理學家通過掃描圖像,定位血管並找到識別DV的血管模式來了解他們應關注的圖像。」。

 

機器學習是通過「訓練」電腦來識別數據文件中的某些圖像。在這種情況下,數據文件是胎盤樣本的圖像。研究人員在電腦上顯示各種圖像,並表明胎盤是否患病或健康。經過充分培訓後,電腦能夠自行識別出病變的病灶。

 

電腦的訓練

對於電腦而言,僅查看大圖片並對其進行分類是非常困難的,因此該團隊採用了一種新穎的方法。首先,電腦檢測圖像中的所有血管。然後可以分別考慮每個血管,從而建立較小的數據群進行分析。然後,電腦將評估每個血管並確定是否應將其視為疾病或健康。在此階段,該演算法還考慮了懷孕的特徵,例如:胎齡、出生體重以及母親可能有的任何狀況。如果有任何患病的血管,則將圖片以及胎盤標記為患病。UPMC團隊提供了未識別的胎盤圖像以訓練演算法。

 

Clymer博士解釋說:「這種演算法不會很快取代病理學家。….這裡的目的是通過標記,病理學家可以很快找到應該仔細觀察的圖像區域,幫助加快檢查的時間。」

 

首席研究員J. Cagan博士和P. LeDuc教授補充:「這是工程學與醫學之間的美好合作,因為它們將各自的專業知識融合在一起,可以創造出可以幫助更多人的新發現。」

 

編譯來源:Eurekalert(2020.09.02)


 

 台灣女性/性別健康權益亟需您以實際行動來共同守護!

         竭誠歡迎認同《台灣女人健康網》理念的朋友捐款支持我們!

         持續提供更優質的內容是網站不斷努力的方向,而我們需要更多資源才能走更長遠的路。

         收到的每一筆捐款,都將挹注在網站經營、服務方案以及對政府的監督。

         無論捐款金額多寡都是支持我們的重要力量!感謝您!(→捐款資訊連結←)

 

 

 

 

 

 

 

 

 

 

看完這則文章你覺得?
實用
新知