Лента новостей → Исследователи используют ИИ для создания карт тела для компьютерной томографии на протяжении всей взрослой жизни.
Масштабная работа по преобразованию стандартных данных компьютерной томографии в клинические эталоны.
Согласно недавнему исследованию, опубликованному в журнале Radiology: Artificial Intelligence , компьютерная томография может содержать гораздо больше клинически полезных данных, чем те, которые в настоящее время используются радиологами в рутинной отчетности. В исследовании были проанализированы почти 8 миллионов измерений объема, полученных с помощью КТ, для создания справочных таблиц для 104 анатомических структур у взрослых.
«Компьютерная томография содержит гораздо больше количественной информации, чем та, которая в настоящее время используется в стандартной отчетности», — сказал ведущий автор исследования Кристиан Вахингер, доктор философии, профессор кафедры диагностической и интервенционной радиологии Медицинской школы и школы здравоохранения TUM Klinikum Технического университета Мюнхена.
Исследование показало, что большинство анатомических структур не следуют простым линейным траекториям во времени. Многие продолжают расти на протяжении всей взрослой жизни, прежде чем в конечном итоге остановиться в росте или уменьшиться в объеме.
Чтобы зафиксировать эти изменения во времени, доктор Вахингер и его коллеги проанализировали повторные КТ-исследования одних и тех же пациентов, смоделировав, как объемы органов изменяются у отдельных лиц в течение периодов наблюдения до восьми лет. Эти внутрипациентные тенденции в значительной степени совпали с более широкими популяционными закономерностями.
Исследователи обнаружили явные гендерные различия: у мужчин наблюдались неизменно большие объемы и большая вариативность между отдельными особями. Кроме того, контрастные вещества значительно увеличили измеренные объемы в легких, желчном пузыре, почках, печени и некоторых сосудистых структурах.
Доктор Вахингер отметил, что полученные результаты также указывают на более широкие возможности в этой области. «В более широком смысле, исследование показывает, что существующие архивы клинической визуализации представляют собой очень богатый ресурс для изучения человеческого тела на протяжении всей взрослой жизни», — сказал он.
Преобразование стандартных данных КТ в справочные таблицы.
Референтные таблицы давно используются для сравнения отдельных пациентов с популяционными нормами. Педиатрические графики роста и графики развития головного мозга на основе МРТ предлагают такие ориентиры, однако аналогичных таблиц для других анатомических структур во взрослом возрасте не существовало.
PACS-системы содержат огромные массивы данных клинической визуализации, отражающие широкий спектр сканеров и протоколов визуализации, используемых в реальной практике, но до настоящего времени они в значительной степени оставались невостребованными за пределами рутинной клинической помощи — по крайней мере, до настоящего времени.
Чтобы восполнить этот пробел, доктор Вахингер и его коллеги собрали более 200 000 компьютерных томографических снимков пациентов из Германии, Швейцарии и Турции, чтобы составить карту изменений анатомических структур с возрастом и разработать справочные таблицы для интерпретации отдельных измерений.
«По мере того, как автоматизированная сегментация КТ-изображений достигла стадии, позволяющей внедрять ее в клиническую практику, мы теперь можем автоматически извлекать объем органов и многих других анатомических структур из обычных КТ-снимков», — пояснил доктор Вахингер. «Однако нам по-прежнему не хватает справочных таблиц, которые бы объясняли, как интерпретировать эти измерения».
Вместо того чтобы предполагать линейный характер роста всех структур, группа использовала гибкое статистическое моделирование, учитывающее как средний объем, так и популяционную изменчивость. «Клинически полезная справочная таблица должна описывать не только ожидаемое значение для данного возраста и пола, но и изменчивость вокруг этого значения», — сказал доктор Вахингер.
Исследователи тщательно учли усиление контраста, которое наиболее существенно завышало измеренные объемы сосудистых структур. Этот эффект подчеркивает, как протокол визуализации может влиять на объемные измерения, хотя анализ не рассматривает различия в зависимости от фазы контраста или метода получения изображений.
«С клинической точки зрения это означает, что при расчете процентильных показателей следует учитывать протокол сканирования, особенно при интерпретации сосудов или других структур, чувствительных к контрастному веществу», — сказал доктор Вахингер.
Даже при такой изменчивости исследователи обнаружили, что все же могут появляться клинически значимые сигналы.
Чтобы проверить клиническую полезность процентильных показателей, исследователи обратились к кардиомегалии как к естественному подтверждению концепции. «Увеличение сердца имеет клиническое значение и напрямую связано с объемом органа», — сказал доктор Вахингер.
У пациентов с кардиомегалией показатели, как правило, находились в верхней части центильного диапазона. «Это подтверждает более широкую идею о том, что центильные показатели могут помочь преобразовать исходные анатомические измерения в информацию, пригодную для клинического анализа», — добавил он.
«По мере того, как автоматизированная сегментация КТ-изображений достигла стадии, позволяющей внедрять ее в клиническую практику, мы теперь можем автоматически извлекать объем органов и многих других анатомических структур из обычных КТ-снимков. Однако нам по-прежнему не хватает справочных таблиц, которые бы объясняли, как интерпретировать эти измерения».
— Кристиан Вахингер, доктор философии
Перспективы в условиях ограничений
Эксперты за пределами исследовательской группы также высоко оценили потенциал исследования. «Это исследование является важной концептуальной вехой для искусственного интеллекта в радиологии», — сказал Юань Чай, доктор философии, доцент Колледжа медицины и биоинформатики Северо-восточного университета в Китае. «Оно указывает на необходимость создания алгоритмов, выходящих за рамки конкретных задач, и ведет к более широкой инфраструктуре для количественной, сопоставимой и отслеживаемой в течение длительного времени радиологии».
Доктор Чай отметил, что полученные результаты также позволяют заглянуть в будущее и увидеть, как ИИ может вписаться в практику. «Через пять или десять лет КТ-сканирование может автоматически сегментироваться в фоновом режиме, при этом большинство нормальных изменений останутся незаметными, и только достоверные, требующие принятия мер отклонения будут отмечены для рентгенолога», — сказал доктор Чай. «ИИ будет функционировать как незаметный количественный слой за рутинной визуализацией, а не как замена рентгенологам».
В то же время доктор Чай подчеркнул важность различения статистической нормальности и того, что считается биологически здоровым. «Создание и проверка эталонных подмножеств здоровых органов на уровне органов может помочь снизить риск путаницы между «распространенными в клинических данных» и «биологически здоровыми»», — предостерег он.
Оба эксперта сходятся во мнении, что существуют ограничения, а именно: ограниченное демографическое разнообразие данных и тот факт, что компьютерная томография проводилась на клинических группах населения, а не в контрольных группах здоровых людей.
«Искусственный интеллект в радиологии не должен ограничиваться разработкой моделей или публикацией результатов. Реальная ценность проявляется тогда, когда зрелые инструменты ИИ используются для извлечения клинически значимой информации из рутинных изображений и преобразования её в улучшение качества медицинской помощи пациентам».
— ЮАНЬ ЧАЙ, доктор философии
В исследовании также не учитываются явные вариации в процессе сканирования, такие как время введения контрастного вещества, время работы сканера или толщина среза, которые могут влиять на объемные измерения.
«Вполне вероятно, что траектории изменения объема органов различаются в популяциях, которые не в полной мере представлены в нашем текущем исследовании», — признал доктор Вахингер. «Однако наша команда активно работает над решением этой проблемы, используя дополнительные крупномасштабные наборы данных КТ из Соединенных Штатов, чтобы сделать выборку более разнообразной».
«Более сложной научной проблемой может быть отсутствие действительно здоровых контрольных групп по данным КТ», — предположил доктор Чай. «Прагматичным путем может быть выявление внешне здоровых органов на клинических снимках, а не требование наличия абсолютно здоровых пациентов, но такие «контрольные группы здоровых органов» все равно потребуют тщательной проверки».
Доктор Вахингер согласился с этим, отметив, что улучшение фильтрации патологических образцов является важным следующим шагом.
«Искусственный интеллект в радиологии не должен ограничиваться разработкой моделей или публикациями. Реальная ценность проявляется тогда, когда зрелые инструменты ИИ используются для извлечения клинически значимой информации из рутинных изображений и преобразования ее в улучшение качества медицинской помощи пациентам», — сказал доктор Чай. «Это исследование напоминает нам, что ИИ может быть практической инфраструктурой для количественной медицины, а не просто результатом исследований».
Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.