Multicentrická ověřovací studie nástroje umělé inteligence pro automatickou klasifikaci rentgenových snímků hrudníku

Aktuálním problémem na radiologických odděleních je neustálý nárůst počtu prováděných studií. Tento neustále se zvyšující objem informací znamená prodloužení času, který musí lékařští specialisté věnovat vykazování těchto studií. Metodika prováděná pro hlášení se liší podle zobrazovací modality, která ve vysoce složitých centrech zahrnuje mimo jiné radiologii, počítačovou tomografii, magnetickou rezonanci a ultrazvuk. V současnosti největší objem studií připadá na prosté rentgeny. V Hospital Italiano de Buenos Aires (HIBA) bylo během roku 2019 provedeno více než 220 000 rentgenových snímků a v rámci této skupiny tvoří více než 50 % výkonů rentgenové snímky hrudníku, které se provádějí jako metoda počáteční detekce potenciálně závažných patologií. (plicní uzel, zápal plic, pneumotorax).

Tato zobrazovací modalita není atraktivní a není prozkoumána novými generacemi zobrazovacích specialistů, kteří preferují přechod k modernějším a složitějším metodám, jako je počítačová tomografie nebo magnetická rezonance. Problém narůstajícího objemu analyzovaných obyčejných rentgenových snímků je proto umocněn nedostatkem odborníků s nasazením a zkušenostmi s jejich interpretací.

V oblasti informatiky se objevila oblast studia nazvaná Artificial Intelligence (AI), která se skládá z počítačového systému, který se učí vykonávat specifické rutinní úkoly a může doplňovat nebo napodobovat lidskou práci. Vývojář musí systému umělé inteligence sdělit, jaká reakce je od daného podnětu požadována. Příkladem toho je kontrola pravopisu v textovém procesoru.

Oblast AI zahrnuje širokou škálu dílčích oblastí a specifických technik, jako je strojové učení (ML) nebo hluboké učení (DL). ML zahrnuje jakýkoli nástroj, ve kterém se používají počítačová data k přizpůsobení modelu, který z těchto vstupních dat vyvozuje závěry. Algoritmy jsou trénovány, aby se naučily dané úkoly na základě souboru dříve utajovaných informací. Patří sem také tradiční techniky pro vytváření prediktivních modelů nebo klasifikačních modelů. Filtrování e-mailového spamu je příkladem ML. Neuronové sítě jsou jedním z nástrojů obsažených v ML.

A konečně, DL je typ ML, který se začal objevovat v roce 2015, který spočívá v přidávání vrstev do tradiční neuronové sítě a vytváří tak nelineární model s vyšším stupněm složitosti, protože zvyšuje počet parametrů, které je třeba upravit. Tato síť je vystavena trénovací datové sadě, která se skládá z již označených informací, a „učí se“ označovat nové informace napodobováním kritérií označování datové sady. Toto učení je vlastně iterativní úprava parametrů modelu, které jsou iterativně upravovány podle chyby mezi původním značením a značením navrženým sítí. Jakmile je model natrénován, jeho parametry jsou pevně dané a lze jej použít k odvození označení nových informací, jejichž označení není známo. Bylo zjištěno, že DL metody fungují mnohem lépe v analýze dat než tradiční metody. DL již má aplikace v běžném životě, jako jsou hlasoví asistenti v chytrých telefonech nebo automatické rozpoznávání obličeje a označování na sociálních sítích.

DL aplikovaný na zpracování obrazu je založen na metodě zvané konvoluční neuronové sítě. Jeho aplikace byla zkoumána v oblasti lékařského zobrazování, při hledání zlepšení výkonu, od detekce objektů (anatomické nebo patologické struktury v radiologických snímcích) až po segmentační úkoly.

Od roku 2018 provozuje Hospital Italiano de Buenos Aires program TRx, který spočívá ve vývoji nástroje na bázi AI pro detekci patologických nálezů na rentgenových snímcích hrudníku. Projekt je součástí programu Artificial Intelligence in Healthcare Hospital Italiano de Buenos Aires a je realizován multidisciplinárním týmem profesionálů, včetně biomedicínských inženýrů, datových vědců, radiologů, klinických klinických informatiků, metodologů a softwarových inženýrů. TRx je DL model, vyvinutý a ověřený v HIBA, který detekuje čtyři typy radiologických nálezů na rentgenových snímcích hrudníku: plicní opacity (uzlíky, útvary, pneumonie, konsolidace, zabroušené sklo nebo atelektáza), pneumotorax, pleurální výpotky a žebra zlomeniny. Tato detekce se provádí prostřednictvím čtyř nezávislých modulů, které jsou integrovány do jednoho systému. Při zpracování rentgenového snímku TRx hlásí různé typy výsledků. Za prvé, jednotný systém TRx dichotomicky indikuje, zda je snímek podezřelý pro patologický nález, nebo jde případně o normální rentgen hrudníku. Za druhé, každý ze čtyř modulů zejména udává, zda byl detekován nález plicní opacity, pneumotoraxu, pleurálního výpotku nebo zlomeniny žeber. A konečně TRx umožňuje vizualizaci tepelné mapy nad obrazem indikující barevně oblast hrudníku, kde byl detekován podezřelý nález.

Účelem tohoto nástroje je pomoci nezobrazujícím lékařům při diagnostice rentgenových snímků hrudníku automatickou detekcí radiologických nálezů. TRx verze 1.0 (TRx v1) vyhodnocuje frontální rentgen hrudníku pacientů starších 14 let pro čtyři typy nálezů: plicní opacity, pleurální výpotek, zlomeniny a pneumotorax. Cílem tohoto nástroje je zlepšit diagnostický výkon nezobrazovacích lékařů poskytováním pomoci nebo „předběžné zprávy“.

Jedna skutečnost, která je v AI zdůrazněna, je, že modely musí být replikovatelné; model musí poskytovat stejné nebo lepší výsledky, pokud je zadán stejný vstup. I když se to zdá zřejmé, je to na rozdíl od lidí, kteří běžně vykazují variabilitu mezi pozorovateli i uvnitř pozorovatelů. Standard modelu umělé inteligence by měl alespoň odpovídat lidskému výkonu, kterému bude pomáhat. Replikovatelnost závisí na problému a míra variability závisí na konkrétním úkolu.

Existují autoři, kteří uvádějí, že model umělé inteligence může představovat potíže při poskytování přesných předpovědí, když je aplikován na nové situace nebo populace (tj. kterým nebyl vystaven během tréninku). Zatímco radiologové jsou schopni se úspěšně přizpůsobit rozdílům v obrazech (ať už kvůli tloušťce řezu, značení skeneru, síle pole, intenzitě gradientu nebo době kontrastu), aniž by to ovlivnilo jejich interpretaci snímků, AI tuto schopnost obecně postrádá. Pokud byl například agent AI trénován pouze s obrázky ze skeneru MRI 3 Tesla, nelze a priori zaručit, že bude mít stejné výsledky na skenech provedených na 1,5 Tesla. Jedním z řešení je vyvinout matematické procesy pro rozpoznání, normalizaci a transformaci dat, aby se minimalizoval posun. Dalším přístupem ke zmírnění tohoto jevu je provádět trénování a ověřování s „úplnými“ soubory dat, které představují každý typ získávání a rekonstrukce obrazových dat.

Aby bylo možné komplexně vyhodnotit diagnostický výkon nástroje AI a zajistit tak jeho zamýšlené použití, doporučuje se provést multicentrické studie, které umožňují měřit tento výkon u různých populací pacientů a různých protokolů pořizování snímků. Tato multicentrická studie se snaží externě ověřit výkon nástroje AI (TRx v.1) jako diagnostického asistenčního nástroje pro rentgeny hrudníku.