Применение искусственного интеллекта в анализе кардиотокограмм (CTG)

Практические решения и ценность

Кардиотокография (CTG) – это неинвазивный метод мониторинга сердечного ритма плода и сокращений матки во время беременности. Эти данные могут помочь выявить потенциальные осложнения на ранних стадиях, такие как дистресс плода, преэклампсия или преждевременные роды.

Однако интерпретация записей CTG может быть субъективной и подвержена ошибкам, что может привести к ошибочным диагнозам и задержке вмешательства. Google исследователи решают проблему изменчивости и субъективности в интерпретации визуальной кардиотокографии (CTG), сосредотачиваясь на прогнозировании фетальной гипоксии – опасного состояния кислородного голодания во время родов, с использованием техник глубокого обучения.

Традиционная интерпретация CTG основана на визуальном анализе по установленным стандартам, таким как те, что устанавливают Национальный институт здоровья детей и гинекологии FIGO. Google использует глубокую нейронную сеть CTG-net для обработки данных временных рядов сердечного ритма плода и сокращений матки с целью предсказания фетальной гипоксии.

CTG-net использует сверточную нейронную сеть для анализа сигналов сердечного ритма и сокращений матки, изучая их временные взаимосвязи. Модель показала улучшение производительности, особенно при использовании данных CTG за последние 30 минут до родов, что наиболее точно отражает результаты родов.

В итоге, модель CTG-net демонстрирует потенциал глубокого обучения для снижения изменчивости в интерпретации CTG и улучшения результатов для плода.