Midline shift (MLS) is a well-established factor used for outcome prediction in traumatic brain injury, stroke and brain tumors. The importance of automatic estimation of MLS was recently highlighted by ACR Data Science Institute. In this paper we introduce a novel deep learning based approach for the problem of MLS detection, which exploits task-specific structural knowledge. We evaluate our method on a large dataset containing heterogeneous images with significant MLS and show that its mean error approaches the inter-expert variability. Finally, we show the robustness of our approach by validating it on an external dataset, acquired during routine clinical practice.
Цель: оценить диагностическую точность оригинального алгоритма выявления РС в условиях отделения лучевой диагностики медицинской организации, оказывающей первичную (амбулаторно-поликлиническую) медицинскую помощь. Материалы и методы. Проведен анализ деперсонализированных результатов МР-исследований головного мозга, выполненных 93 пациентам в период с 22.08.2019 г. по 26.09.2019 г., из которых 42 мужчины (средний возраст 47,5±15,9 лет) и 51 женщина (средний возраст 52,3±16,8 лет); лица европеоидной расы, жители г. Москвы. Все пациенты подписали добровольное информированное согласие. Исследования проводились на томографе VANTAGE Atlas (Toshiba, Япония) с индукцией магнитного поля 1,5 Тл по стандартному протоколу. Результаты. Все МР-исследования проанализированы с применением оригинального алгоритма «искусственного интеллекта» (ИИ). Решения алгоритма (индекс-теста) сопоставлены с референс-тестом, значения которого приняты за истинный статус обследуемых лиц. Чувствительность индекс-теста-100%, специфичность-75,3%, точность-76,3%, прогностическая ценность отрицательного результата-100%, площадь под характеристической кривой-0,861. Результаты свидетельствуют о надежном «отсеивании» алгоритмом результатов исследований без признаков РС. Показано достаточное качество и отличная воспроизводимость результатов работы алгоритма на независимых данных. Заключение. Разработанный алгоритм ИИ обеспечивает эффективную сортировку МР-исследований в условиях первичного звена здравоохранения с поддержанием оптимального уровня настороженности относительно РС. Ключевые слова: искусственный интеллект, нейронная сеть, рассеянный склероз, магнитно-резонансная томография Контакт: Бабкин Владимир Андреевич,
ЦЕЛЬ: скелетные мышцы играют ключевую роль в регуляции углеводно-жирового обмена, а также в развитии метаболических нарушений в организме. При ожирении и особенно при сахарном диабете 2 типа (СД2Т) происходят выраженные изменение транскриптома скелетных мышц человека. Однако транс- криптомный ответ в скелетных мышцах на инсулин охарактеризован плохо, как и механизмы регуляции экспрессии инсулинозависимых генов. МАТЕРИАЛЫ И МЕТОДЫ: мы исследовали ранний транскриптомный ответ скелетных мышц людей на инсулин, индуцированный приемом смешанной пищи. В исследовании участвовали 8 здоровых людей и пациенты с ожирением с (n=8) и без СД2Т (n=8); биопсии из m. vastus lateralis были взяты до и через 1 ч после приема еды, нормированной на массу тела (Nestle Resource 2.0; 3 мл/кг массы тела). Пациенты были разделены на две группы: с сильным и слабым ответом С-пептида (и инсулина) на пищу. Как и ожидалось, вторая группа в основном состояла из людей с ожирением и СД2Т. Изменение транскриптомного профиля в мышце оценивали с помощью РНК секвенирования (NextSeq 550, Illumina). РЕЗУЛЬТАТЫ: анализ транскриптома показал, что у здоровых людей, несмотря на слабое повышение уровня С-пептида после приема пищи, несколько сотен генов изменили экспрессию. Используя метод позиционно-весовых матриц и наши данные по положению открытого хроматина вокруг стартов транс- крипции в скелетных мышцах человека (Makhnovskii et al. 2022), мы предсказали транскрипционные факторы, ассоциированные с генами, изменившими экспрессию. Примечательно, что пациенты со слабой реакцией С-пептида на прием пищи фактически не показали изменений в транскриптомном профиле, что указывает на наличие резистентности к инсулину с точки зрения экспрессии генов. Удивительно, но у паци- ентов с сильной реакцией С-пептида на прием пищи также было обнаружено лишь небольшое изменение транскриптомного профиля. Это означает, что резистентность к инсулину в регуляции экспрессии генов появляется на начальной стадии развития метаболических нарушений. ВЫВОДЫ: таким образом, наше исследование впервые показало, что развитие метаболических на- рушений у человека может быть связано с дефектом регуляции инсулин-зависимой генной экспрессии в скелетной мышце.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.