Автоматизирано машинно обучение предсказва мъжко безплодие въз основа на оценка на Джонсън

Автоматизирано машинно обучение предсказва мъжко безплодие въз основа на оценка на Джонсън | ✅ Д-р Стоян Арнаудов - Ортопед | Травматолог ⭐️

Безплодието засяга еднакво и жените, и мъжете. При мъжкото безплодие азооспермията (медицинско състояние без сперма в спермата) е основен проблем, който пречи на двойката да има дете.

За лечение на пациенти с азооспермия е необходима екстракция на сперматозоиди на тестисите (TESE) за получаване на зрели сперматозоиди. Когато се изследват, хистологичните проби обикновено получават оценка, наречена оценка на Джонсен, по скала от 1 до 10, въз основа на хистопатологичните характеристики на тестисите.

Резултатът на Джонсън се използва широко в урологията, тъй като за първи път е докладван преди 50 години. Обаче хистопатологичната оценка на тестиса не е лесна задача и отнема много време поради сложността на тестикуларната тъкан, произтичаща от множеството, тясно специализирани стъпки в сперматогенезата. “

Д-р Хидеюки Кобаяши, доцент, катедра по урология, Медицински факултет на университета Тохо

“Нашата цел беше да опростим тази отнемаща време стъпка на диагностика, като се възползваме от технологията на AI. За да направим това, ние избрахме автоматизираното машинно обучение (AutoML) на Google Vision, което не изисква програмиране, за да създадем AI модел за отделни набори от данни за пациенти. С AutoML Vision клиницистите, които нямат умения за програмиране, могат да използват задълбочено обучение в изграждането на свои собствени модели без помощ от учени по данни “, каза д-р Хидейуки Кобаяши, доцент по отдел по урология в Медицинския факултет на Университета Тохо.

“Моделът, който създадохме, може да класифицира хистологични изображения на тестисите без помощ от патолози. Надявам се, че нашият подход ще даде възможност на клиницистите във всяка област на медицината да изграждат модели, базирани на AI, които могат да се използват в ежедневната им клинична практика”, каза той.

За да опрости използването на оценки на Джонсен в клиничната практика, д-р Кобаяши дефинира четири етикета: оценка на Джонсен 1-3, 4-5, 6-7 и 8-10. Той и неговите съ-изследователи получиха набор от 7155 изображения при увеличение X400. Всички изображения бяха качени в платформата Google Cloud AutoML Vision. За набора от изображения с увеличение X400 средната точност (положителна прогнозна стойност) на алгоритъма е 82,6%, точността е 80,31% и изземването е 60,96%.

AI стана популярен и се прилага във всички области на медицината. Използването на AI от клиницистите в болниците обаче все още е възпрепятствано от необходимостта от помощ от специалисти по данни за правилното използване на AI.

„Рамката за машинно обучение в облак, която използвахме, е за всеки. Тя може да се превърне в толкова мощен инструмент в медицината, че в близко бъдеще лекарите в болниците ще използват базираните на AI класификатори на медицински изображения с лекота, по същия начин, по който те използвайте Microsoft PowerPoint или Excel сега “, каза д-р Кобаяши. Той добави: “Най-трудната част беше правенето на снимки на патология на тестисите и отне много време. Двама колеги работиха много усилено, за да получат всички изображения, използвани в изследването. Наистина оценявам техните всеотдайни усилия.”

Групата на д-р Кобаяши описва разработването на алгоритъм, базиран на AI за оценка на резултатите на Джонсен, комбиниращ оригинални изображения (X400), който постига висока точност. Това е първият доклад на алгоритъм, който може да се използва за прогнозиране на резултатите на Джонсен, без да се налага да разчитате на патолози и експерти по наука за данни.

Източник:

Справка на списанието:

Ито, Ю., и др. (2021) Метод за използване на автоматизирано машинно обучение за хистопатологична класификация на тестисите въз основа на резултати от Джонсен. Научни доклади. doi.org/10.1038/s41598-021-89369-z.