Artificial Intelligence in Pediatric Echocardiography: Exploring Challenges, Opportunities, and Clinical Applications with Explainable AI and Federated Learning

要約

小児の心疾患には、幅広い先天性疾患と後天性疾患が存在します。
より複雑な先天奇形の場合は、通常、中心画像法として心エコー検査を含む、分化した多面的な意思決定プロセスが必要です。
人工知能 (AI) は、小児心エコー検査データの自動解釈を容易にすることで、臨床医に大きな期待をもたらします。
ただし、AI テクノロジーを小児心エコー検査分析に適応させるには、公開データの利用制限、データのプライバシー、AI モデルの透明性などの課題があります。
最近、研究者たちは、自動診断および意思決定支援のワークフローを改善するために、フェデレーテッド ラーニング (FL) や説明可能な AI (XAI) などの破壊的テクノロジーに焦点を当てています。
この研究は、小児心エコー検査における AI の限界と機会の包括的な概要を提供し、XAI と FL の相乗的なワークフローと役割を強調し、研究ギャップを特定し、将来の発展の可能性を探ります。
さらに、3 つの関連する臨床使用例では、(i) 視野認識、(ii) 疾患分類、(iii) 心臓構造のセグメンテーション、および (iv) 心臓機能の定量的評価に焦点を当てた XAI と FL の機能を実証しています。

要約(オリジナル)

Pediatric heart diseases present a broad spectrum of congenital and acquired diseases. More complex congenital malformations require a differentiated and multimodal decision-making process, usually including echocardiography as a central imaging method. Artificial intelligence (AI) offers considerable promise for clinicians by facilitating automated interpretation of pediatric echocardiography data. However, adapting AI technologies for pediatric echocardiography analysis has challenges such as limited public data availability, data privacy, and AI model transparency. Recently, researchers have focused on disruptive technologies, such as federated learning (FL) and explainable AI (XAI), to improve automatic diagnostic and decision support workflows. This study offers a comprehensive overview of the limitations and opportunities of AI in pediatric echocardiography, emphasizing the synergistic workflow and role of XAI and FL, identifying research gaps, and exploring potential future developments. Additionally, three relevant clinical use cases demonstrate the functionality of XAI and FL with a focus on (i) view recognition, (ii) disease classification, (iii) segmentation of cardiac structures, and (iv) quantitative assessment of cardiac function.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google