Swin Transformer for Automated Severity Classification of Aortic Regurgitation from Echocardiographic Images: A Multi-Center Study

Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel in einem Haus zu lösen, aber Sie können nur durch ein winziges, beschlagenes Fenster spähen. Sie können nicht das ganze Zimmer sehen, und das Licht verändert sich ständig. Das ist ein wenig so, wie Ärzte es erleben, wenn sie das Herz mittels Ultraschall untersuchen, einer Technik, die Echokardiographie genannt wird. Sie verwenden Schallwellen, um bewegte Bilder des Herzens zu erzeugen, dessen Klappen wie Einwegtüren funktionieren. Manchmal schließt eine Tür nicht vollständig, wodurch Blut zurückfließt. Dies wird als Aorteninsuffizienz bezeichnet. Ärzte müssen schätzen, wie schlimm das Leck ist – leicht, moderat oder schwer –, indem sie nur die farbigen Muster des Blutflusses auf dem Bildschirm betrachten. Aber hier liegt der knifflige Teil: Es ist schwierig, diese verschwommenen, bunten Karten zu betrachten. Es hängt davon ab, wie gut das Bild ist, wie erfahren der Arzt ist und sogar davon, wie müde er ist. Zwei verschiedene Ärzte könnten dasselbe Bild betrachten und sich uneinig darüber sein, wie schwerwiegend das Leck ist.

Um dies zu helfen, bringen Wissenschaftler Computern bei, bessere Detektive zu sein, indem sie etwas namens „Deep Learning“ nutzen. Stellen Sie sich Deep Learning als einen superintelligenten Schüler vor, der sich tausende von Bildern ansieht, um Muster zu lernen, so wie Sie vielleicht lernen könnten, das Gesicht eines Freundes in einer Menge zu erkennen. Eine spezifische Art dieser Technologie, ein „Transformer“, ist wie ein Detektiv, der nicht nur auf einen Punkt schaut, sondern versteht, wie verschiedene Teile des Bildes miteinander zusammenhängen. In dieser Arbeit geht es darum, den Computer zu lehren, auf diese Herzbilder zu schauen und uns genau zu sagen, wie schlimm das Leck ist, damit Ärzte bessere Entscheidungen über die Behandlung treffen können.

---

Das große Leck und der schlaue Detektiv

In dieser Studie beschloss ein Team von Forschern aus drei verschiedenen Krankenhäusern in China, ein superintelligentes Computerprogramm zu entwickeln, um den Schweregrad der Aorteninsuffizienz zu bewerten. Sie wollten sehen, ob eine neue Art von KI, ein „Swin Transformer“, eine bessere Arbeit leisten kann als ältere Computermodelle. Stellen Sie sich das Leck des Herzens wie einen Wasserschlauch vor, der rückwärts in einen Tank spritzt. Wenn der Sprühstrahl nur ein winziges Rinnsal ist, ist es leicht. Wenn es ein stetiger Strahl ist, ist es moderat. Wenn es ein Feuerwehrschlauch ist, ist es schwer. Das Ziel war es, den Computer dazu zu bringen, auf eine einzige, eingefrorene Momentaufnahme dieses Spritzens zu schauen und auszurufen: „Leicht!“, „Moderat!“ oder „Schwer!“

Das Team sammelte eine riesige Sammlung von Herzbildern von 2.575 erwachsenen Patienten aus drei medizinischen Zentren. Sie haben nicht einfach irgendein Bild genommen; sie wählten sorgfältig die beste „Apikal-Fünf-Kammer-Ansicht“ aus, also einen spezifischen Winkel, der die Aortenklappe und den lekkierenden Jet deutlich zeigt. Sie verwendeten die Standardregeln der American Society of Echocardiography, um jedes Bild als leicht, moderat oder schwer zu kennzeichnen. Dies war der „Lösungsschlüssel“, den der Computer zum Lernen benötigte.

Das Trainingsspiel: Alt gegen Neu

Um ihren neuen Swin-Transformer-Detektiv zu testen, stellte das Forscherteam ihn zwei älteren, klassischen Computermodellen gegenüber: ResNet18 und VGG. Betrachten Sie ResNet und VGG als die „Old-School“-Detektive, die großartig darin sind, kleine Details zu entdecken, aber manchmal das große Ganze übersehen. Der Swin Transformer hingegen ist wie ein Detektiv, der sowohl nah heranzoomen kann, um die Details des Wasserstrahls zu sehen, als auch herauszoomen kann, um zu sehen, wie der Strahl in den gesamten Raum passt.

Sie teilten ihre Daten in Gruppen auf. Zuerst ließen sie die Computer an einem riesigen Datensatz von Bildern aus einem Krankenhaus (Zentrum A) üben. Dann testeten sie sie an einem neuen Satz von Bildern desselben Krankenhauses, um zu sehen, wie gut sie gelernt hatten. Schließlich gaben sie ihnen eine „Abschlussprüfung“ mit Bildern aus den anderen beiden Krankenhäusern (Zentren B und C), die die Computer zuvor noch nie gesehen hatten. Dieser letzte Schritt war entscheidend, um zu sehen, ob der Computer mit unterschiedlichen Maschinen und unterschiedlichen Stilen der Ärzte umgehen konnte oder ob er einfach verwirrt wäre.

Die Ergebnisse: Wer hat den Test bestanden?

Die Ergebnisse waren ziemlich aufregend. Als die Computer die Tests an den Bildern des Krankenhauses absolvierten, an dem sie geübt hatten, machten alle drei Modelle einen guten Job. Der Swin Transformer bekam 93,36 % der Antworten richtig, während ResNet18 93,05 % erreichte und VGG 91,71 %. Sie lagen alle recht nah beieinander.

Aber die wahre Magie geschah während der „Abschlussprüfung“ mit den neuen Krankenhäusern. Hier gerieten die älteren Modelle ins Straucheln. Der Wert von ResNet18 sank auf 80,81 % und VgG auf 87,63 %. Sie hatten Schwierigkeiten, die Lecks zu erkennen, wenn die Bilder etwas anders aussah. Der Swin Transformer hingegen blieb stark und erreichte 92,11 %. Er war viel besser darin, mit den neuen, unbekannten Daten umzugehen.

Die Forscher untersuchten auch, wie die Computer Fehler machten. Die älteren Modelle verwechselten oft „moderate“ Lecks mit „leichten“ oder „schweren“ Lecks und verwechselten dabei die Nachbarn. Der Swin Transformer war viel schärfer und hielt die Kategorien sauber getrennt. Um sicherzustellen, dass der Computer nicht nur rät, nutzte das Team ein spezielles Visualisierungswerkzeug namens Grad-CAM. Dieses Werkzeug hebt die Teile des Bildes hervor, auf die der Computer schaut. Die Ergebnisse zeigten, dass der Swin Transformer tatsächlich auf den bunten Strahl des auslaufenden Blutes fokussiert war, genau wie ein menschlicher Arzt, anstatt auf zufälliges Hintergrundrauschen zu achten.

Was dies bedeutet (und was es nicht bedeutet)

Die Studie legt nahe, dass dieses Swin-Transformer-Modell ein sehr vielversprechendes Werkzeug ist, um Ärzten bei der Bewertung der Aorteninsuffizienz zu helfen. Es scheint zuverlässiger zu sein als ältere Computermodelle, insbesondere wenn es um Bilder aus verschiedenen Krankenhäusern geht. Die Autoren sind jedoch vorsichtig zu betonen, dass dies kein Zauberstab ist, der Ärzte ersetzt. Der Computer betrachtete nur ein einziges Bild des Lecks. In der Realität müssen Ärzte viele verschiedene Winkel betrachten, die Geschwindigkeit des Blutes messen und die Größe der Herzkammern überprüfen, um eine vollständige Diagnose zu stellen.

Die Forscher weisen auch darauf hin, dass ihr Computer von Bildern lernte, die von menschlichen Experten beschriftet wurden, sodass er lernte, das menschliche Urteilsvermögen nachzuahmen, anstatt die Physik des Lecks direkt zu messen. Sie haben ihn nicht an Kindern oder Menschen mit sehr komplexen Herzfehlern getestet, daher wissen wir noch nicht, wie er in solchen Fällen reagieren würde.

Kurz gesagt zeigt dieses Paper, dass ein neuer Typ von KI-Detektiv lernt, Herzlecks mit beeindruckender Genauigkeit und Stabilität zu erkennen. Es deutet darauf hin, dass dieses Werkzeug in Zukunft neben den Ärzten stehen könnte, um eine Zweitmeinung anzubieten, die hilft, sicherzustellen, dass Patienten die richtige Behandlung erhalten, aber es ist noch nicht bereit, den Job ganz zu übernehmen.