Grants

Heart ultrasound is the most versatile, most widely used, and cost-effective heart imaging method. Accessibility to ultrasound imaging is growing rapidly as the devices are getting cheaper and smaller. However, interpretation of the acquired images creates a bottleneck; it requires substantial skill, it is long, manual, and prone to errors and variability. Ligence is remodelling the quality, difficulty, and length of echocardiography with an AI-driven tool to automate the whole analysis of heart ultrasound images. Deep learning neural networks classify heart image views, detect heart cycle phases, and perform measurements. It seamlessly integrates with existing infrastructure in hospitals, meaning that moments after images are loaded onto the hospital’s network the results are accessible on any workstation. This results in dramatically increased accessibility and analysis quality, earlier diagnosis, and better patient risk stratification, monitoring, and patient management.

Projektas apima giliojo mokymo neuroninių tinklų pritaikymą 2D transtorakalinėje echokardiografijoje (TTE) SARS-CoV-2 infekcijos sukelto širdies pažeidimo diagnostikai. Projekto metu bus kuriamas prototipas gebantis įvertinti širdies pažaidas ultragarsiniuose širdies vaizduose, dažnai nustatomas pacientams, kuriems diagnozuotas COVID-19. Projekto metu bus organizuojamas klinikinis tyrimas didžiosiose Lietuvos ligoninėse vaizdų gavimui ir jų paruošimui giliojo mokymo neuroniniams tinklams (GMNT) apmokyti. Vaizdai bus žymimi patyrusių gydytojų kardiologų, o vėliau bus kuriami GMNT algoritmai. Planuojama, kad sukurtas įrankio prototipas gebės automatiškai įvertinti dažniausiai COVID-19 sutinkamas širdies komplikacijas, pavyzdžiui, miokarditą, ūmų širdies nepakankamumą ir kitas, bei leis geriau planuoti gydymo taktiką. Kuriamo prototipo tikslas – greitinti širdies ir kraujagyslių ligų komplikacijų diagnostiką pacientams, kuriems diagnozuotas COVID-19, padėti gydytojams koreguoti gydymą ir rinktis gydymo taktiką bei gerinti pacientų klinikines išeitis.

Projektas apima giliojo mokymo neuroninių tinklų pritaikymą dvimatėje transtorakalinėje echokardiografijoje (2D TTE) SARS-CoV-2 infekcijos sukelto širdies pažeidimo diagnostikai. UAB Ligence sukurtas prototipas projekto metu bus vystomas iki produkto – automatizuotos sistemos, gebančios nustatyti keturias širdies projekcijas bei kiekvienoje iš jų aptikti skysčio perikardo ertmėje ribas 2D TTE vaizduose, dažnai nustatomas pacientams, kuriems diagnozuotas COVID-19. Projekto metu bus organizuojamas klinikinis tyrimas ligoninėje siekiant pagerinti produkto tikslumą, klinikinėje aplinkoje išbandyti bandomąją produkto versiją ir gauti galutinių vartotojų įvertinimą. Kuriamo produkto tikslas – greitinti širdies ir kraujagyslių ligų komplikacijų diagnostiką pacientams, kuriems diagnozuotas COVID-19, įgalinti gydytojus dažniau atlikti echokardiografinį tyrimą ir padėti renkantis tinkamą gydymo taktiką, nes automatizuota sistema kompensuoja tyrėjo įgūdžių ir patirties stoką. Tikimasi, kad produktas pagerintų pacientų klinikines išeitis.

Šiuo projektu planuojama išspręsti pasaulinio lygmens problemą, identifikuotą kairiojo prieširdžio miokardo deformavimosi rodiklių vertinimo srityje – planuojama rinkai pateikti pasauliniu lygiu naują produktą – automatizuotą kairiojo prieširdžio miokardo įtampos rodiklių vertinimo sistemą „LAstrain.AI“. Projekto įgyvendinimo metu išplętosime Lietuvos Sveikatos Mokslų Universitete (LSMU) sukurtą prototipą – galutinai išvystysime, klinkinėje aplinkoje validuosime bei komercializuosime automatizuotą kairiojo prieširdžio miokardo įtampos rodiklių vertinimo sistemą “LAstrain.AI”. Sistema tsumažins tyrėjo įgūdžių ir patirties priklausomybę tyrimo kokybei, padidins tyrimų tikslumą, kas sąlygos sklandesnę sveikatos priežiūrą, mažesnių valstybinių išteklių, skiriamų sveikatos priežiūrai, poreikį.