Core Concepts
非侵襲的な医療デジタルツインの構築と診断における物理情報に基づく自己監督学習の重要性。
Abstract
本文では、非侵襲的な医療デジタルツインの構築方法とその診断への応用が提案されています。物理情報に基づく自己監督学習アルゴリズムを使用して、心臓血液力学のデジタルツインを特定し、個別化された圧力-容積(PV)ループ分析を行います。この手法は、心臓機能や循環系の異常を診断する際に有用であり、非侵襲的な画像データから患者固有のパラメータを推定し、PVループをシミュレートします。さらに、未診断の心臓異常(例:僧帽弁狭窄)を特定するためにPVループが利用されます。
Stats
データセットMAE(%)
CAMUS:7.16%
EchoNet:5.53%
P-SSL 3DCNNによる予測されたEF:CAMUSで7.50%、EchoNetで5.59%
Quotes
"By constructing digital twins for disease processes, we can perform in-silico simulations that mimic patients’ health conditions and counterfactual outcomes under hypothetical interventions in a virtual setting."
"Medical digital twins have been applied and developed broadly in applications ranging from cellular mechanics to the development of whole body and human digital twins."
"We propose a methodology for training digital twins with medical image data directly."
"Our goal is to train a model that can identify the underlying physics-based twin for a new patient based solely on their corresponding noninvasive measurement."