Uczenie maszynowe rzuca nowe światło na zdrowie płodu dzięki przełomowemu modelowaniu 3D

Ultrasounds have become somewhat of a staple in the process of prenatal care, offering a fascinating glimpse into the unborn world. For expectant parents, it’s a cherished first “meeting” with their child. For clinicians, these monochrome, two-dimensional images give invaluable insight into fetal development, such as identifying the baby’s sex or detecting potential abnormalities like heart defects or a cleft lip.

Czasami, jeśli lekarze potrzebują bardziej dogłębnego spojrzenia, uciekają się do obrazowania metodą rezonansu magnetycznego (MRI). MRI wykorzystuje pola magnetyczne do tworzenia szczegółowych, warstwowych obrazów, które można łączyć w celu uzyskania trójwymiarowego widoku płodu. Chociaż interpretacja tych dogłębnych skanów 3D MRI może być skomplikowana ze względu na nasz naturalny system wizualny, który nie jest biegły w przetwarzaniu złożonych danych wolumetrycznych, dziedzina uczenia maszynowego wkracza teraz do pomocy.

Pomocne dłonie: Uczenie maszynowe i SMPL płodu

Introducing “Fetal SMPL,” a new machine learning model designed by a cooperative team from the Computer Science and Artificial Intelligence Laboratory at MIT, Boston Children’s Hospital, and Harvard Medical School. This innovative model brings a new level precision to the process by creating more accurate 3-dimensional representations of fetal health through the modeling of their shape and movements.

Fetal SMPL is a derivative of SMPL, otherwise known as the Skinned Multi-Person Linear model – a 3D modeling framework initially developed for adult body shapes and poses. The researchers trained their fetal edition on over 20,000 MRI volumes; it learned to anticipate the size and position of fetuses, creating nearly sculpture-like 3D representations. Each model includes a sophisticated system of 23 interconnected joints, accurately mirroring the motion of the fetus.

Ostra dokładność i testy w świecie rzeczywistym

Let’s talk precision. The predictions made by Fetal SMPL were off by an average of an almost unbelievable 3.1 millimeters, a size smaller than a grain of rice. This extraordinary level of detail empowers clinicians to take measurements of vital anatomical features such as the size of the head or abdomen, and subsequently compare these results to the standardizations for healthy development at particular gestational ages.

Aby przetestować system, zespół badawczy zestawił Fetal SMPL z SMIL, innym modelem opracowanym w celu dokumentowania wzrostu niemowląt. Nawet po dokonaniu niezbędnych korekt, aby dokonać uczciwego porównania - zmniejszając model SMIL o 75%, aby dopasować go do wielkości płodu - Fetal SMPL triumfował nad SMIL.

The accuracy of Fetal SMPL isn’t its only strength—it proved to be efficient too. The model reached a reliable alignment with the MRI data in a mere three iterations, demonstrating its strong performance.

W kierunku przyszłości pełnej możliwości

Right now, Fetal SMPL is concentrating on the fetus’s exterior shape and skeletal structure, which is a substantial step forward in itself. However, this is just the beginning. The team aims to improve the model further by including the fetus’s internal structure — organs and muscles — that can contribute to monitoring critical entities such as lung and liver development. Should these plans materialize, it would revolutionize the model into a comprehensive volumetric representation, providing an even more profound insight into fetal health.

Fetal SMPL not only promises to enhance prenatal diagnostics but also potentially deepen our understanding of fetal evolution. It’s compatible with existing models for adults and infants, laying a robust foundation for extensive studies on human development. The implications of these advancements, needless to say, are significant and lead the way to potentially life-changing discoveries and innovations.

Choć wciąż znajduje się na wczesnym etapie, dzięki dalszym testom i udoskonaleniom, Fetal SMPL może stać się integralną częścią opieki prenatalnej, przynosząc korzyści zarówno klinicystom, jak i przyszłym rodzicom, przedstawiając jaśniejszy i bardziej szczegółowy obraz życia, dosłownie, w trakcie tworzenia.

Więcej szczegółów na temat projektu i jego potencjalnego wpływu można znaleźć na stronie oryginalny artykuł z MIT News tutaj.