MoleGazer udviklingsgennemførlighedsundersøgelse

Baggrund

Forekomsten af ​​melanom er hurtigt stigende med 15.906 nye tilfælde i Storbritannien (UK) i 2015, hvilket resulterede i 2.285 dødsfald. Det er vigtigt at diagnosticere melanom tidligt, da sygdom i tidligt stadium har > 95 % 5-års relativ overlevelsesrate sammenlignet med 8-25 % for fremskreden melanom. I Storbritannien forventes omkostningerne til hudkræft at overstige £180 millioner i 2020 og udgøre betydelig sygelighed (og dødelighed) for de berørte personer. Op til 60 % af melanomerne stammer fra allerede eksisterende naevi (modermærker). Tidlig påvisning af melanom er afhængig af individer, der genkender ændringer i naevi og for de personer med flere naevi ekspertvurdering af disse naevi af uddannede hudlæger ved hjælp af diagnostiske hjælpemidler såsom dermoskopi (x10 forstørrelse). Desuden er der bevis for, at sekventiel overvågning af naevi også øger detektionsraten for melanom.

Total body photography (TBP) er et diagnostisk hjælpemiddel til overvågning af flere naevi

For patienter med høj risiko for at udvikle melanom med flere naevi (>60), bruges total kropsfotografering (TBP) (standardiserede kropsdele billeder taget med højopløsningskamera) som en hjælp til at spore, sammenligne og overvåge naevi over tid og har vist sig at forbedre diagnosen melanom. Den anbefalede korttidsovervågning af naevi er 3 måneder, men er stort set begrænset til enkelte læsioner. I et ressourcebegrænset National Health Service (NHS) er hyppig overvågning af flere naevi af en hudlæge upraktisk og ineffektiv, således at tidlig diagnose af melanom effektivt er afhængig af patientens selvovervågning. En potentiel løsning er automatiseret analyse af TBP-billeder ved hjælp af kunstig intelligens (AI) til at spore og overvåge naevi over tid.

Kunstig intelligens anvendt på TBP kan forbedre effektiviteten af ​​'mole-mapping'

Tidligere AI-evaluering af hudlæsioner har vist nøjagtighed svarende til uddannede dermatologer i hudkræftdiagnose, men dette var baseret på enkeltlæsionsanalyse på statiske tidspunkter (med biopsi-beviste diagnoser). Brugen af ​​læsioner, der er planlagt til excision (dvs. høj klinisk mistanke om melanom) begrænser alvorligt den kliniske anvendelighed, og en Cochrane-gennemgang konkluderede, at anvendeligheden af ​​computerstøttet detektion til melanomdiagnose i sekundær pleje forbliver ukendt. Det mere klinisk relevante spørgsmål er, om automatiseret påvisning af ændringer i naevi ved hjælp af sekventielle TBP-billeder, klinisk refereret til som 'mole mapping', kan faktisk forbedre tidlig diagnose af melanom.

Til dato har TBP-systemer i NHS begrænset automatisering, begrænset til lagring og hentning af billeder. Selvom der findes ét automatiseret total-kropsscanningssystem, og i fremtiden kan inkorporere AI-baseret diagnose ud over de nuværende billedopsamlings- og læsionsmatchende algoritmer, vil en fuld klinisk validering og enhver efterfølgende implementering i NHS være dyr på grund af de nødvendige investeringer i scanningssystemet (nuværende omkostning US $1 million). Hvorvidt de samme eller bedre resultater kan opnås ved at bruge mere konventionelt billedoptagelsesudstyr og sofistikerede AI-teknikker er ukendt. Efterforskerne foreslår en ny anvendelse af astronomiske AI-metoder til tidlig melanomdetektion ved hjælp af standard TBP-baseret overvågning af naevi, som i øjeblikket er ansat i NHS og kan bruges som et supplement til klinisk gennemgang af individer.

Anvendelse af astronomiske AI-teknikker til TBP-overvågning af flere naevi

Forbigående videnskab inden for astronomi har til formål at opdage og spore udviklingen af ​​nye astronomiske kilder såsom eksploderende stjerner. Udviser både lang- og kortsigtet udvikling, individuelle hændelser detekteres ved at sammenligne nye billeder med arkivdata og klassificeres baseret på et funktionssæt, herunder forbigående lysstyrke, farve, korrekt bevægelse og omfang. Avancerede astronomiske undersøgelser overvåger himlen hver nat over flerårige tidsskalaer for at identificere subtile ændringer. AI-teknikker (såsom tilfældige skove og tilbagevendende neurale netværk; RNN), som bruger hele tidsseriehistorien og kontekstuelle oplysninger, bruges rutinemæssigt til at identificere og klassificere begivenheder sandsynligt. Med hver ny observation, der giver yderligere information, kan astronomiske forbigående undersøgelser rutinemæssigt detektere og karakterisere nye kilder, således at udviklingen af ​​nye kilder kan forudsiges med 99,5 % nøjagtighed baseret på kun tre tidspunkter.

Denne udfordring inden for astronomi er analog med 'muldvarpekortlægning' for personer med høj risiko for at udvikle melanom; både naevi og astronomiske kilder kan karakteriseres som særskilte kilder mod en homogen baggrund, som spores på tværs af flere billeder for at detektere ændringer. Efterforskerne antager derfor, at astronomiske kunstig intelligens-teknikker er ideelle til at løse dette kliniske problem, og udvikler MoleGazer-projektet for at teste dette.

Begrundelse

For at udvikle MoleGazer-algoritmen kræver efterforskerne et basisdatasæt til at anvende astronomiske AI-algoritmer på TBP-billeder for at detektere og spore naevi på tværs af sekventielle billeder. Der er i øjeblikket ingen offentligt tilgængelige databaser med TBP-billeder for efterforskerne til at teste denne gennemførlighed, og derfor er målet i denne undersøgelse at indsamle:

1. en tidsseriekohorte af TBP-billeder taget på faste sekventielle tidspunkter over 2 år
2. en basiskohorte af TBP-billeder med sekventielle billeder taget på ethvert tidspunkt Ved at indsamle TBP-billeder vil det give efterforskerne mulighed for at studere følsomheden af ​​naevi-detektion og karakterisering på hudfarve, lysniveauer, billedregistrering og baggrundssubtraktionsteknikker, hvilket gør det muligt for efterforskerne for også at automatisere detektion af naevi og spore deres udvikling i ethvert sekventielt billede, som undersøgelsesholdet har. Udviklingen af ​​denne database vil give efterforskerne mulighed for at demonstrere gennemførligheden af ​​anvendelsen af ​​astronomiske AI-metoder på TBP-billeder.