Pasaulis susiduria su motinų sveikatos krize. Pasaulio sveikatos organizacijos duomenimis, maždaug 810 moterų kasdien miršta dėl priežasčių, kurių galima išvengti, susijusių su nėštumu ir gimdymu. Du trečdaliai šių mirčių įvyksta Afrikoje į pietus nuo Sacharos. Ruandoje viena iš pagrindinių motinų mirtingumo priežasčių yra užkrėstos cezario pjūvio žaizdos.
Tarpdisciplininė gydytojų ir mokslininkų komanda iš MIT, Harvardo universiteto ir Ruandos sveikatos partnerių (PIH). pasiūlė šios problemos sprendimą. Jie sukūrė mobiliąją sveikatos (mHealth) platformą, kuri naudoja dirbtinį intelektą ir realaus laiko kompiuterinę viziją, kad maždaug 90 procentų tikslumu prognozuotų infekciją C pjūvio žaizdose. .
„Ankstyvas infekcijos nustatymas yra svarbi problema visame pasaulyje, tačiau mažai išteklių turinčiose vietovėse, pvz., Ruandos kaime, problema yra dar baisesnė dėl apmokytų gydytojų trūkumo ir didelio bakterinių infekcijų, kurios yra atsparios antibiotikams, paplitimas“, – sako Richardas Ribonas Fletcheris 89, SM. , mokslų daktaras 02, MIT mechanikos inžinerijos mokslininkas ir komandos technologijų vadovas. „Mūsų idėja buvo panaudoti mobiliuosius telefonus, kuriais galėtų naudotis bendruomenės sveikatos darbuotojai, norėdami aplankyti naujagimių jų namuose ir apžiūrėti jų žaizdas, kad nustatytų infekciją.“
Šią vasarą komanda, kuri vadovauja Bethany Hedt-Gauthier, Harvardo medicinos mokyklos profesorė, apdovanota $500, pirmosios vietos prizas NIH technologijų greitintuvo iššūkyje motinos sveikatai.
„Moterų, kurios gimdo Cezario pjūviu besivystančiose šalyse, gyvybei kenkia tiek ribota prieiga prie kokybiškos chirurgijos, tiek po gimdymo“, – priduria PIH komandos narys Fredrickas Kateera. „Mobiliųjų sveikatos technologijų naudojimas siekiant anksti identifikuoti, patikimai tiksliai diagnozuoti asmenis, sergančius chirurginėmis infekcijomis šiose bendruomenėse, būtų keičiamas būdas optimizuoti moterų sveikatą“
Mokymo algoritmai infekcijai aptikti
Projektas buvo pradėtas kelių atsitiktinių susidūrimų rezultatas. 2017 Fletcheris ir Hedt-Gauthier susidūrė vienas su kitu Vašingtono metro per NIH tyrėjų susitikimą. Hedt-Gauthier, tuo metu penkerius metus dirbusi su tyrimų projektais Ruandoje, ieškojo sprendimo, kaip išspręsti Cezario pjūvio priežiūros spragą, su kuria ji ir jos bendradarbiai susidūrė atlikdami tyrimus. Konkrečiai, ji domėjosi mobiliųjų telefonų kamerų, kaip diagnostikos įrankio, naudojimo tyrinėjimu.
Fletcheris, vadovaujantis studentų grupei profesoriaus Sanjay Sarmos AutoID laboratorijoje ir dešimtmečius taikantis telefonus, Mašininio mokymosi algoritmai ir kitos mobiliosios technologijos, skirtos pasaulinei sveikatai, buvo natūraliai tiko šiam projektui.
„Kai supratome, kad tokio tipo vaizdais pagrįsti algoritmai gali palaikyti namų priežiūrą. moterų po cezario pjūvio, kreipėmės į daktarą Fletcherį kaip bendradarbį, atsižvelgdami į jo didelę patirtį kuriant mHealth technologijas mažas ir vidutines pajamas gaunančiose aplinkose“, – sako Hedt-Gauthier.
Per tą laiką. tos pačios kelionės metu Hedt-Gauthier ramiai sėdėjo šalia Audace Nakeshimana 20, kuri buvo nauja MIT studentė iš Ruandos ir vėliau prisijungs prie Fletcher komandos MIT. . Mokydamas Fletcherį, Nakeshimana įkūrė Ruandos startuolį „Insightiv“, kuris taiko dirbtinio intelekto algoritmus klinikinių vaizdų analizei, ir buvo apdovanotas geriausiu stipendijos laureatu kasmetiniame konkurse „MIT IDEAS“ 2020 .
Pirmasis projekto žingsnis buvo Ruandos kaimo bendruomenės sveikatos darbuotojų padarytų žaizdų vaizdų duomenų bazės surinkimas. Jie surinko daugiau nei 1 užkrėstų ir neužkrėstų žaizdų vaizdus, o tada išmokė algoritmą, naudodami šiuos duomenis.
Pagrindinė problema iškilo dėl šio pirmojo duomenų rinkinio, surinkto nuo 2018 iki 810. Daugelis nuotraukų buvo prastos kokybės.
„Sveikatos darbuotojų surinktų žaizdų vaizdų kokybė buvo labai skirtinga, todėl norint apkarpyti ir iš naujo paimti vaizdus, reikėjo daug rankų darbo. Kadangi šie vaizdai naudojami mašininio mokymosi modeliui mokyti, vaizdo kokybė ir kintamumas iš esmės riboja algoritmo veikimą“, – sako Fletcher.
Norėdamas išspręsti šią problemą, Fletcheris pasinaudojo įrankiais, kuriuos jis naudota ankstesniuose projektuose: kompiuterinis matymas realiuoju laiku ir papildyta realybė.
Vaizdo kokybės gerinimas apdorojant vaizdą realiuoju laiku
Siekdami paskatinti bendruomenės sveikatos darbuotojus daryti aukštesnės kokybės vaizdus, Fletcher ir komanda peržiūrėjo žaizdų tikrinimo mobiliąją programėlę ir sujungė ją su paprastu popieriniu rėmeliu. Rėmelyje buvo atspausdintas kalibravimo spalvų raštas ir kitas optinis raštas, kuriuo vadovaujamasi programėlės kompiuterinės regos programinė įranga.
Sveikatos darbuotojams nurodyta uždėti rėmelį ant žaizdos ir atidaryti programėlę, kuri – laiko atsiliepimai apie kameros vietą. Papildytąją realybę programėlė naudoja, kad būtų rodoma žalia varnelė, kai telefonas yra tinkamame diapazone. Patekusios į diapazoną, kitos kompiuterinio matymo programinės įrangos dalys automatiškai subalansuos spalvas, apkarpys vaizdą ir pritaikys transformacijas, kad ištaisytų paralaksą.
„Naudojant kompiuterinį matymą realiuoju laiku Duomenų rinkimo metu galime generuoti gražius, švarius, vienodų spalvų subalansuotus vaizdus, kuriuos vėliau galima naudoti mokant mašininio mokymosi modelius, nereikalaujant rankinio duomenų valymo ar papildomo apdorojimo“, – sako Fletcher. Naudodama konvoliucinio neuroninio tinklo (CNN) mašininio mokymosi modelius ir metodą, vadinamą perkėlimo mokymusi, programinė įranga sugebėjo sėkmingai numatyti infekciją C pjūvio žaizdose su apytiksliai procentų tikslumas per 02 dienas nuo gimdymo. Moterims, kurioms prognozuojama užsikrėsti per programėlę, siunčiamas siuntimas į kliniką, kur joms gali būti atlikti diagnostiniai bakterijų tyrimai ir prireikus gali būti paskirti gyvybę gelbstintys antibiotikai.
Programėlė Moterys ir bendruomenės sveikatos priežiūros darbuotojai Ruandoje jį palankiai įvertino.
„Moterų pasitikėjimas bendruomenės sveikatos darbuotojomis, kurios buvo didelė programėlės propaguotoja, reiškė, kad mHealth įrankis buvo priimtas. kaimo vietovėse gyvenančių moterų“, – priduria Anne Niyigena iš PIH.
Šiluminio vaizdo naudojimas algoritminiam šališkumui pašalinti Viena didžiausių kliūčių, trukdančių pritaikyti šią dirbtiniu intelektu pagrįstą technologiją globalesnei auditorijai, yra algoritminis šališkumas. Mokant santykinai vienalytę populiaciją, pavyzdžiui, Ruandos kaimo gyventojus, algoritmas veikia taip, kaip tikėtasi ir gali sėkmingai numatyti infekciją. Tačiau kai pateikiami skirtingų odos spalvų pacientų vaizdai, algoritmas yra mažiau efektyvus.
Norėdami išspręsti šią problemą, Fletcher naudojo terminį vaizdą. Paprasti šiluminės kameros moduliai, skirti pritvirtinti prie mobiliojo telefono, kainuoja maždaug $200 ir gali būti naudojami infraraudonųjų spindulių žaizdų vaizdams užfiksuoti. Tada algoritmai gali būti mokomi naudojant infraraudonųjų spindulių žaizdų vaizdų šilumos modelius, kad būtų galima numatyti infekciją. Praėjusiais metais paskelbtas tyrimas parodė daugiau nei 90 procento numatymo tikslumą, kai šie terminiai vaizdai buvo suporuoti su programos CNN algoritmu.
Nors šiluminio vaizdo metodas yra brangesnis nei tiesiog naudojant telefono kamerą, jis gali būti naudojamas siekiant pritaikyti komandos mHealth technologiją įvairesnėms pasaulio populiacijoms.
„Mes suteikiame sveikatos priežiūros darbuotojai turi dvi galimybes: homogeniškoje populiacijoje, pavyzdžiui, Ruandos kaime, jie gali naudoti savo standartinę telefono kamerą, naudodami modelį, kuris buvo apmokytas remiantis vietos gyventojų duomenimis. Kitu atveju jie gali naudoti bendresnį modelį, kuriam reikalingas šiluminės kameros priedas“, – sako Fletcheris.
Nors dabartinės kartos programėlėje mobiliesiems naudojamas debesies pagrindu veikiantis algoritmas infekcijos prognozei vykdyti. modelio, komanda dabar dirba su atskira mobiliąja programėle, kuriai nereikia interneto prieigos, taip pat atsižvelgiama į visus motinos sveikatos aspektus nuo nėštumo iki gimdymo.
Be to, Kurdamas algoritmuose naudojamų žaizdų vaizdų biblioteką, Fletcheris glaudžiai bendradarbiauja su buvusiu studentu Nakeshimana ir jo komanda „Insightiv“ kurdamas programėlę ir naudoja „Android“ telefonus, kurie gaminami vietoje Ruandoje. Tada PIH atliks naudotojų testavimą ir patikrinimą vietoje Ruandoje.
Komanda siekia sukurti išsamią motinos sveikatos programėlę, todėl privatumas ir duomenų apsauga yra svarbiausias prioritetas. „Kuriant ir tobulinant šias priemones, reikia daugiau dėmesio skirti pacientų duomenų privatumui. Turėtų būti įtraukta daugiau duomenų saugumo detalių, kad įrankis pašalintų spragas, kurias jis skirtas užpildyti, ir maksimaliai padidintų vartotojų pasitikėjimą, o tai galiausiai paskatins jo pritaikymą didesniu mastu“, – sako Niyigena.
Prizus laimėjusios komandos nariai: Bethany Hedt-Gauthier iš Harvardo medicinos mokyklos; Richardas Fletcheris iš MIT; Robertas Riviello iš Brigham ir moterų ligoninės; Adeline Boatin iš Masačusetso bendrosios ligoninės; Anne Niyigena, Frederickas Kateera, Labanas Bikorimana ir Vincentas Cubaka iš PIH Ruandoje; ir Audace Nakeshimana 20, Insightiv.ai įkūrėja.
2020
