IBM's nieuwe AI simuleert hartfuncties binnen enkele minuten

• Een nieuwe methode maakt gebruik van krachtige computeralgoritmen om virtuele Fractionele Flow Reserve-simulaties te verbeteren.
• Het algoritme is gebaseerd op machine learning en deep learning-versnellingsmethode genaamd Gaussiaanse procesregressie.
• Het kan perfect simuleren wat er binnen 1-2 minuten in het hart gebeurt.

De meeste multischaalmodellen van cardiale mechanica zien er veelbelovend uit, maar als het gaat om diagnose en behandeling, zijn hun mogelijkheden vrij beperkt. Omdat ze niet in staat zijn om klinische gegevens efficiënt te verwerken, niet-gefixeerde variabelen te beperken en rekenkundige complexiteit aan te pakken, kunnen ze geen effectieve hulp bieden bij klinische beslissingen en medische zorg.

Het meest voorkomende type hartaandoening is coronaire hartziekte (CAD), die bijna 16,5 miljoen Amerikaanse volwassenen treft. Het is ook de belangrijkste doodsoorzaak van zowel vrouwen als mannen in de VS. Volgens de Cleveland Clinic krijgt elke 40 seconden iemand in de VS een hartaanval.

Het is een aandoening waarbij kransslagaders worden geblokkeerd (of vernauwd) als gevolg van de opeenhoping van vet- en cholesterolafzettingen (bekend als plaques) op de binnenwanden van slagaders. Deze plaques beperken de bloedstroom, wat kan leiden tot een hartaanval.

Bloedstroom in slagaders simuleren

Om de diagnose van dergelijke ziekten te verbeteren, onderzoeken onderzoekers nieuwe methoden om blokkades in slagaders te onderzoeken met behulp van een techniek die virtuele fractionele stroomreserve (vFFR) wordt genoemd. Het maakt gebruik van Computational Fluid Dynamics en röntgenangiogrammen om de vloeistofbewegingen te onderzoeken en de bloedstroom in kransslagaders te simuleren.

Om de plaque in slagaders te observeren, moet een patiënt injecties met hyperemisch middel ondergaan. Bij dit soort simulaties is echter geen drukdraadkatheter nodig.

Bestaande vFFR op basis van computationele vloeistofdynamische algoritmen duurt vaak meer dan een dag om een ​​volledige simulatie te genereren. Om de vFFR-methode(n) effectief te gebruiken, is het noodzakelijk om de algoritmen waarop ze worden uitgevoerd te verbeteren, zonder de diagnostische nauwkeurigheid te verminderen. Het zou in enkele minuten een volledige simulatie moeten kunnen berekenen, waardoor een breder zicht op geblokkeerde slagaders ontstaat.

Om aan deze vereisten te voldoen, ontwikkelden IBM-onderzoekers een nieuwe methode die gebruikmaakt van krachtige computeralgoritmen om vFFR-simulaties te verbeteren. Het algoritme is gebaseerd op machine learning en deep learning-versnellingsmethode genaamd Gaussiaanse procesregressie. Het kan worden gebruikt om optimalisatie-algoritmen te ondersteunen, zelfs in lastige scenario's waarin objectieve functionaliteiten niet gemakkelijk kunnen worden onderscheiden.

Referentie:Grenzenfysiologie | doi:10.3389/fphys.2018.01002 | IBM

Het algoritme neemt de grootte, locatie en transmurale diepte van het infarct als invoervariabelen en modelberekende veranderingen in simulaties. Het kan 40 infarctsimulaties uitvoeren op verschillende locaties en vormen. Na training over de uitkomsten van eindige-elementensimulaties, biedt het algoritme een bruikbare representatie voor het onderzoeken van complexe effecten.

De hemodynamische simulaties voor op vFFR gebaseerde diagnose worden binnen 1-2 minuten uitgevoerd op POWER9-systemen met NVIDIA Tesla V100 GPU's. Volgens de onderzoekers is dit de eerste simulatie in zijn soort die in bijna realtime wordt uitgevoerd.

De snelle modelsimulaties kunnen de handmatige arbeid verminderen en clinici helpen snel hartaandoeningen te onderzoeken, waardoor de mentale belasting voor patiënten die op testrapporten wachten, wordt verlicht.

Lezen:Google ontwikkelt AI die hartziekten voorspelt door je ogen te scannen

Deze studie maakt deel uit van IBM's werk om een ​​compleet en nauwkeuriger beeld te krijgen van de innerlijke mechanismen van het hart met kunstmatige intelligentie en biofysische modellen. Ze hebben nieuwe technieken gepubliceerd om te visualiseren wat er in het hart gebeurt op cellulair en anatomisch niveau.