Automatizovaná diagnostika cévní mozkové příhody v počítačové tomografii s využitím umělé inteligence

PROHLÁŠENÍ O PROBLÉMU Cévní mozková příhoda je pátou příčinou úmrtí ve Spojených státech a je nejčastější příčinou dlouhodobé invalidity. Ročně je v této zemi diagnostikováno asi 800 000 osob s mozkovou mrtvicí, což způsobuje smrt asi 130 000 osob, přičemž každé 4 minuty zemře jeden člověk na tuto nemoc v USA.

V Mexiku je publikováno velmi málo statistických informací o cévní mozkové příhodě, podle pokynů pro mexickou klinickou praxi „CENETEC“ byla tato nemoc třetí příčinou úmrtí s 5,6 % procenty hlavních příčin úmrtí, s odhadovanou mírou 25,6/100 000 obyvatel a více než 25 000 úmrtí ročně podle údajů ministerstva zdravotnictví.

Peněžní náklady na přímou pozornost a nepřímé výdaje jsou obrovské, s přibližnými výdaji 34 miliard dolarů ročně. Přibližně 20 % přeživších vyžaduje zvláštní péči během prvních 3 měsíců po cévní mozkové příhodě a přibližně 30 % zůstává s těžkým postižením.

V Mexiku je alarmující nárůst případů cévní mozkové příhody, který koreluje s demografickým přechodem ke starší populaci a také s nárůstem rizikových faktorů vaskulárního aterotrombotického onemocnění, jako je hypertenze, diabetes, obezita a dyslipidémie.

Místní statistiky ukazují, že z různých typů mrtvice je distribuce v Mexiku: 72,94 % jako ischemická mrtvice, 20,17 % hemoragická a 6,8 % se subarachnoidálním krvácením, tato čísla jsou podobná statistice uváděné v literatuře jiných zemí.

Podle prvního multicentrického registru v Mexiku „The Premier Study“ byla distribuce etiologie ischemické cévní mozkové příhody: ateroskleróza velkých cév 8 %, srdeční embolie 20 %, lakunární cévní mozková příhoda 20 %, různá 5 % a neurčená etiologie 41 %. V Mexiku je pouze 0,6 % pacientů s cévní mozkovou příhodou léčeno I.V. trombolýza a z těchto pacientů 33 % dorazilo v okně <3 hodiny. po propuknutí mrtvice.

ODŮVODNĚNÍ

Lékařská péče a diagnostika pacientů s cévní mozkovou příhodou je považována za lékařskou pohotovost, studie uvádějí označení „Čas je mozek“ kvůli skutečnosti, že u pacientů s typickou ischemickou cévní mozkovou příhodou je každou minutu 1,9 milionu neuronů, 14 miliard synapsi a kolem 12 km. myelinizovaných vláken se ztrácí, což poukazuje na nutnost včasné diagnózy a léčby.

Podle „The Premier Study“ je jedním z nejvíce znepokojivých výsledků lékařské péče o cévní mozkovou příhodu v Mexiku to, že pouze pětina pacientů s cévní mozkovou příhodou dorazí do nemocnice v rámci okna na I.V. trombolýzu a z nich < 1 % je léčeno rTPA. To je způsobeno faktory, jako je nedostatek specializovaných lékařských týmů pro vhodnou a přesnou diagnózu, omezený počet pracovníků s odbornými znalostmi v oblasti cévní mozkové příhody a nedostatek technologických zdrojů pro diagnostiku.

V konkrétním případě mrtvice existuje několik charakteristik, které usnadňují použití systémů umělé inteligence (AI), některé z nich jsou velké množství dat a multidisciplinární přístupy používané pro rozhodování v medicíně, zejména použití zobrazovacích studií, vzhledem k tomu, že se jedná o klíčové faktory v řízení mrtvice.

Další faktory, které přispěly k použití A.I. u cévní mozkové příhody je nedostatek odborníků pro zobrazovací diagnostiku, tento problém se v rozvojových zemích jednoznačně zhoršuje. Pouze několik nemocnic má přístup ke specializovaným neuroradiologům nebo neurologům, aby mohli poskytnout vhodnou a optimální diagnózu, což vede ke zpoždění nebo dokonce k nepřesné diagnóze.

Dokonce existuje proměnlivá shoda v rozsahu až 39 % mezi specializovanými lékaři pro diagnostiku cévní mozkové příhody na nekontrastní počítačové tomografii v teritoriu střední mozkové tepny, což dokládá velkou mezičtenářskou variabilitu, navíc je řídce definována charakteristika cévní mozkové příhody. raného infarktu, což dokazuje potřebu standardizované metody zobrazování cévní mozkové příhody.

Několik studií prokázalo účinnost A.I. systémů v diagnostice mrtvice, většina z nich ukazuje, že automatizovaná diagnostika pomocí A.I. je ve většině případů stejná nebo dokonce lepší než manuální segmentace s lidskou diagnózou odborníky na mrtvici.

Na trhu již existuje dokonce systém hodnocení mrtvice, založený na A.I. algoritmy, to již prokázalo svou užitečnost ve studii ENCHANTED (Enhanced Control of Hypertension and Thrombolysis Stroke Study), „The Electronic-Alberta Stroke Program Early Computed Tomography Score Software.

POZADÍ

A.I. byl definován jako studium výpočtů, které umožňují vnímat, myslet a jednat. A.I. systémy se zaměřily na napodobování kognitivních funkcí lidí kvůli rychlému pokroku ve výpočetních vědách A.I. se používá v mnoha oblastech, zejména ve velkých společnostech informačních technologií, jako je google.

Přesná medicína byla definována jako personalizovaná diagnostika a léčba jednotlivého pacienta, což je v současné medicíně nově vznikající koncept. Velké množství informací generovaných v biologii, imunologii, genomice a pokroky v zobrazovací technologii vytvořily cestu k této personalizované medicíně.

Tyto pokroky vytvořily přechod v moderních modelech zdravotní péče, poháněný velkým množstvím dat a pokrokem v analytických technikách. Vedena relevantními klinickými otázkami, A.I. systémy mohou díky svým analytickým kvalitám odhalit cenné informace skryté v obrovském množství dat (big data). To může být užitečné při klinickém rozhodování.

V současné době existují společnosti jako I.B.M. a je to A.I. systém Watson for Oncology (WFO), vyvíjející klinické systémy pro podporu rozhodování (CDSS) ve spolupráci s nemocnicemi jako Memorial Sloan Kettering Cancer Center, tento systém předstírá, že pomáhá onkologům s aktuálními výzvami velkého množství dat v oborech, jako je genetika , farmakologie a pokyny pro léčbu, analyzování velkých databází pro personalizovanější léčbu pacienta. WFO byl testován se skutečnými případy projednávanými v multidisciplinárních radách v Memorial Sloan Kettering Cancer Center, kde se dosáhlo vysoké úrovně shody v jejich sériích, a v současné době je již k dispozici na trhu.

HYPOTÉZA

Využití systémů strojového učení pro kvantifikaci, lokalizaci a diagnostiku ischemické cévní mozkové příhody v nekontrastní počítačové tomografii hlavy je metoda s vysokou účinností, dostupná a náchylná ke standardizaci, pro pomoc při klinickém rozhodování v nepřítomnosti. specializovaným zdravotnickým personálem, aby tomuto onemocnění věnoval pozornost.

CÍLE

Obecný cíl

• Navrhněte A.I. Algoritmus pro kvantifikaci, lokalizaci a diagnostiku ischemické cévní mozkové příhody v nekontrastní počítačové tomografii hlavy, založený na hybridním modelu s využitím strojového učení a statistického modelování, vyhodnotil jeho účinnost a vytvořil software pro asistenci lékařského rozhodování.

Specifické cíle

• Standardizovat sběr dat a tvorbu databank nekontrastní počítačové tomografie hlavy s diagnózou ischemické cévní mozkové příhody pro zařazení do A.I.
• Vytvořte nekontrastní databáze počítačové tomografie hlavy s reprezentativními vzorky různých typů ischemické cévní mozkové příhody s ohledem na mnohočetné anatomické rozložení, velikosti a evoluční fáze.
• Standardizujte metodu segmentace obrazu, umístění léze, diagnostiku a skórování ASPECT (Alberta Stroke Program Early CT Score).
• Vytvořit účinný software pro pomoc při klinickém rozhodování nespecializovanému zdravotnickému personálu při diagnostice tohoto onemocnění, aby se urychlila lékařská péče o tuto populaci pacientů v místech, kde je nedostatek specializovaných týmů a technologických zdrojů, pro diagnostiku tohoto onemocnění.

Technické cíle

• Standardizujte sbírku anonymizovaných souborů DICOM počítačové tomografie s nekontrastní hlavou s jejich příslušnými specifikacemi systému (záhlaví) pro vytvoření „Základní pravdy“ systému strojového učení.
• Vytvořte účinný algoritmus a vyhodnoťte jeho přesnost v diagnostice cévní mozkové příhody pomocí několika preklinických testů s odborníky specializovanými na cerebrovaskulární onemocnění.
• Navrhněte interaktivní a snadno použitelný software pro zdravotnický personál, pro rychlé klinické rozhodování as podporou medicíny založené na důkazech pro pacienty s podezřením na ischemickou cévní mozkovou příhodu.

CÍLE

• Vytvořit software pro kvantifikaci, lokalizaci a automatizovanou diagnostiku cévní mozkové příhody, který je účinný a přesný pro klinické rozhodování bez specializovaného zdravotnického personálu a technologických prostředků pro lékařskou péči o pacienty s cévní mozkovou příhodou.
• Získejte registr patentu softwaru založeného na strojovém učení.
• Generovat publikaci více článků v mezinárodních časopisech.

METODOLOGIE

Typ studia

Observační prospektivní studie, popisná, bez intervence pacienta, bez zaslepení pro analýzu nekontrastní počítačové tomografie hlavy a její klinické korelace.

V této studii bude zachována důvěrnost pacienta, protože vyšetřovatelé nebudou potřebovat identifikační údaje od pacientů.

V této studii vyšetřovatelé předstírají, že vytvořili hybridní A.I. modelovat pomocí kombinované metody statistického modelování pro první prototyp algoritmu a poté pokračovat ve vytváření algoritmu strojového učení, přičemž oba algoritmy kombinuje pro lepší přesnost a efektivitu.

Pro první algoritmus se statistickým modelováním vyšetřovatelé předstírají, že získají reprezentativní vzorek s různými typy ischemické cévní mozkové příhody, dokud vyšetřovatelé neshromáždí 50 snímků, klinické informace a jejich příslušnou diagnózu a skóre ASPECT.

Pokračujeme v prospektivním vytváření databáze zobrazení počítačovou tomografií, klinických korelací a jejich příslušných diagnóz a skóre ASPECT pro naplnění algoritmu strojového učení, který obvykle vyžaduje velké množství dat pro jeho trénování.

U obou algoritmů vyšetřovatelé předstírají, že je testují s nezávislými hodnotiteli, jejichž odbornost bude zaměřena na cerebrovaskulární onemocnění, a vyšetřovatelé budou porovnávat výsledky A.I. systém s diagnózou specializovaných hodnotitelů, za účelem kalibrace hraničních bodů algoritmu pro získání maximální shody.

INFRASTRUKTURA

Pro vývoj tohoto protokolu vyšetřovatelé předstírají, že využívají zařízení Ústavu neurověd z Centra zdravotních věd Guadalajarské univerzity „CUCS“. Sběr snímků bude proveden ve spolupráci s oddělením radiologie "Hospital Civil de Guadalajara, Fray Antonio Alcalde" a "Hospital Civil de Guadalajara, Juan I. Menchaca".

Vyhodnocení snímků bude provedeno ve spolupráci s neurologickým oddělením "Hospital Civil de Guadalajara, Fray Antonio Alcalde".

Vytvoření A.I. Algoritmus bude vytvořen ve spolupráci s Univerzitním centrem inženýrství a exaktních věd (CUCEI) z University of Guadalajara, v oddělení výpočetních věd z CUCEI.