Врожденные пороки сердца – это аномалии в строении сердца или крупных кровеносных сосудов, которые нарушают нормальное движение крови из-за чего внутренние органы новорожденного получают недостаточное количество кислорода, что приводит к серьезным проблемам со здоровьем и даже к смерти в тяжелых случаях. Врожденными пороками сердца страдают 25–30 процентов новорожденных, причем до половины из них требуют хирургического вмешательства на первом году жизни.

В качестве одного из вариантов лечения хирурги предлагают установку Блэлок-Тауссиг шунта. Однако данное вмешательство имеет высокий процент постоперационных осложнений. Методы машинного обучения можно применить для того, чтобы объективизировать данный вид операции и оценить какой из вариантов установки шунта наиболее предпочтителен для конкретного пациента.

В качестве первого шага в реализации данного подхода группой ученых из Кубанского университета, Пермского Политеха и Федерального центра сердечно-сосудистой хирургии предложен алгоритм, который позволяет определить ключевые геометрические характеристики аорты, такие как площадь поперечного сечения и диаметр сосудов, а также расстояния между артериями.

Исследование опубликовано в высокорейтинговом журнале Mathematics 2023 года и выполнено при финансовой поддержке Кубанского научного фонда в рамках научного проекта.

«В настоящее время хирурги используют субъективные критерии для выбора диаметра и расположения шунта, что приводит к негативным последствиям для пациентов. Для решения этой проблемы мы стремимся получить объективные данные и разработать алгоритм с помощью методов машинного обучения, который предсказывает оптимальное расположение и диаметр шунта», — рассказал профессор кафедры «Вычислительная математика, механика и биомеханика» Пермского Политеха, доктор физико-математических наук Алексей Кучумов.

Алгоритм извлечения геометрических характеристик аорты и соседних сосудов предполагает, что сначала проводится сегментация томографических снимков и строятся трехмерные компьютерные геометрические модели аорты. Далее с помощью специально разработанной процедуры извлекаются геометрические характеристики такие как диаметр аорты на входе и выходе, размеры соседних сосудов, углы расположения сосудов и так далее.

«Извлечение ключевых геометрических характеристик критически необходимо для обучения мета-модели, поскольку позволяет значительно сократить объем вычислений и выявить ключевые взаимосвязи между реальными диагнозами, геометрическими и гидродинамическими характеристиками», — полагает заведующий кафедрой теории чисел Кубанского университета, доктор физико-математических наук Михаил Голуб.

Ожидается, что данный оригинальный алгоритм обработки и извлечения информации о ключевых геометрических характеристиках аорты понадобится для создания сверточной нейронной сети, которая при накоплении достаточного количества данных для обучения, включая анатомические модели и гемодинамические данные, в режиме реального времени для конкретного пациента будет предлагать потенциальные хирургические решения на основе экспертных решений и вычислительного моделирования гемодинамики в аорте. На основе клинических и анамнестических данных, а также расчетов программа будет для пациентов с врожденными пороками сердца предлагать несколько наилучших с точки зрения обеспечения регулярного кровотока параметров шунта (в частности, его диаметр) и место его установки.