Экстренная ультразвуковая диагностика у постели пациента (POCUS) становится все более важным инструментом в ветеринарной медицине, особенно в условиях оказания неотложной помощи собакам с травмами. Однако, как и в человеческой медицине, точность ультразвуковой диагностики сильно зависит от опыта и навыков специалиста. Интеграция искусственного интеллекта в этот процесс может стать настоящим прорывом, обеспечивая стандартизацию интерпретации изображений и помощь в принятии клинических решений даже в условиях ограниченных ресурсов или до госпитального этапа.
Недавнее исследование, опубликованное в журнале Frontiers in Veterinary Science, оценило эффективность применения глубокого обучения для выявления жизнеугрожающих выпотов и пневмоторакса у собак. Исследователи сосредоточились на протоколе FAST (Focused Assessment with Sonography for Trauma) — методике, широко используемой при неотложной оценке пациентов с травмами.
Как проводилось исследование
В проспективное исследование были включены две группы животных: пять здоровых служебных собак, которые служили для получения базовых «нормальных» данных, и двадцать клиентских собак (весом от 22 до 55 кг) с подтвержденными патологическими состояниями — абдоминальным, плевральным или перикардиальным выпотом, либо пневмотораксом.
Все ультразвуковые исследования выполнялись по стандартизированному протоколу FAST с получением видеоклипов в различных проекциях. Затем эти клипы оценивались экспертами на качество, преобразовывались в отдельные кадры и использовались для обучения, оптимизации и оценки различных архитектур сверточных нейронных сетей (CNN).
Особенно интересно, что исследователи разработали отдельные модели для каждой из областей сканирования по протоколу FAST, что позволило оценить эффективность искусственного интеллекта для разных анатомических зон.
Впечатляющие результаты и практическая перспектива
Результаты исследования показали, что эффективность AI-моделей варьирует в зависимости от области сканирования:
- Диафрагмально-печеночные модели продемонстрировали превосходные результаты с чувствительностью 98% и точностью 97%
- Перикардиальные модели показали хорошие результаты (чувствительность 87%, точность 85%)
- Модели для области установки плеврального дренажа также продемонстрировали хорошую производительность (чувствительность 81%, точность 88%)
- Селезеночно-почечные/гепато-почечные модели показали удовлетворительные результаты (чувствительность 83%, точность 78%)
- Цисто-колические модели также достигли приемлемых показателей (чувствительность 84%, точность 77%)
Особенно важным аспектом является то, что визуализация прогнозов моделей подтвердила, что AI сосредоточил внимание именно на клинически значимых регионах при анализе изображений. Это указывает на потенциал использования данной технологии в клинической практике.
Исследователи честно отмечают ограничения своей работы, включая небольшие размеры выборки, включение только тупых травм и нетравматической патологии, дисбаланс классов и вариабельность объема и локализации выпота. Тем не менее, полученные данные убедительно демонстрируют возможность использования глубокого обучения для выявления выпота и пневмоторакса у собак с помощью POCUS.
Для практикующих ветеринарных врачей это исследование открывает захватывающую перспективу: в ближайшем будущем мы можем увидеть ультразвуковые аппараты со встроенными AI-системами, которые будут помогать в интерпретации изображений в режиме реального времени, что особенно ценно в условиях оказания неотложной помощи или при отсутствии опытного специалиста по ультразвуковой диагностике.
Расширение обучающих наборов данных и совершенствование стратегий предварительного обучения, вероятно, еще больше повысят эффективность таких систем, делая POCUS более доступным и точным инструментом для триажа и принятия решений на догоспитальном этапе в ветеринарной неотложной помощи.