Deep-Learning-Algorithmusprojekt für den Dünndarm

Einführung.

Das Hauptziel der Studie ist die Bewertung der Genauigkeit des Deep-Learning-Algorithmus bei der Unterscheidung zwischen normalem und abnormalem terminalem Ileum im Vergleich zu erfahrenen Radiologen auf MR-Enterographie-Bildern.

Die Studie baut auf bestehenden Forschungsergebnissen auf, die gezeigt haben, dass mit statistischen Methoden Lokalisationen von Morbus Crohn im Dünndarm identifiziert werden können. Der Prozess war jedoch zeitaufwändig >1 Stunde und nicht vollautomatisch. Unser Projekt untersucht, ob hochmoderne "Deep Learning"-Algorithmen (basierend auf neuronalen Netzen) in Verbindung mit erhöhter Rechenleistung genaue und zeitnahe Informationen liefern können.

Das Projekt wurde gemeinsam von spezialisierten Radiologen für gastrointestinale Bildgebung (die sich der Herausforderungen bei der genauen Bildgebung von Morbus Crohn bewusst sind) und der Informatikabteilung des Imperial College (die Erfahrung in der Entwicklung neuronaler Netze für die medizinische Bildgebung haben) konzipiert. Der Beitrag und die Überprüfung der Forschungs- und Entwicklungsabteilung von London North-West werden ebenfalls anerkannt.

Studiendesign.

Retrospektives Design & Rekrutierung.

Die Studie wird rückwirkend geeignete Patienten identifizieren und eine konsekutive Fallstichprobentechnik verwenden (alle geeigneten Bilder werden rückwärts von den neuesten aufgenommen).

Dieser retrospektive Ansatz stellt einen Kompromiss zwischen einer reduzierten Generalisierbarkeit der Ergebnisse und einer relativ schnellen und kostengünstigen Durchführung der Studie dar (Studie hat keine Fördermittel).

Die Forscher sind von der Verallgemeinerbarkeit der Ergebnisse überzeugt, da ein Rekrutierungsziel von 113 normalen Fällen und 113 Fällen mit terminaler Ileumerkrankung das Spektrum normaler und abnormaler Erscheinungen abdecken sollte (frühere Studien haben <50 Bildsätze verwendet).

Fälle mit normalem terminalem Ileum im MRT sind eingeschlossen, da ein Ansatz zur Algorithmusentwicklung den Vergleich von Bildgebungsmerkmalen von normalem und abnormalem terminalem Ileum in MRT-Studien beinhaltet.

Nicht-experimenteller Ansatz.

Die Methode verwendet MRT-Scans, die im Rahmen der klinischen Standardversorgung durchgeführt werden. Für diese Studie wird keine zusätzliche Bildgebung durchgeführt. Die Studienergebnisse ändern nicht die derzeitige(n) Behandlung(en), die berechtigte Patienten einnehmen.

Einwilligung & Vertraulichkeit.

Da die für die Algorithmusentwicklung verwendeten Bilder vollständig anonymisiert sind, wird keine ausdrückliche Zustimmung eingeholt. Dies folgt den Leitlinien des General Medical Council aus dem Jahr 2011 und des Royal College of Radiologists (UK) aus dem Jahr 2017, die besagen, dass anonymisierte Aufzeichnungen ohne Zustimmung zur Verwendung in der Forschung geteilt werden können.

MRT-Bilder, die für diese Studie verwendet wurden, wurden im Rahmen der routinemäßigen klinischen Standardversorgung aufgenommen und würden routinemäßig von den an dieser Studie teilnehmenden Radiologen im Rahmen ihrer normalen Arbeitspraxis betrachtet.

Sobald ein geeigneter Patient identifiziert ist, werden die Bilder des Patienten in vollständig anonymisierter Form ohne direkte oder indirekte Identifikatoren kopiert. Das Radiologie-Bildbetrachtungsprogramm enthält eine robuste Anonymisierungsfunktion. Studiensubjekt-Identifikatoren werden nach dem Zufallsprinzip zugewiesen, um eine Pseudo-Anonymisierung zu verhindern, wenn Scans von demselben Patienten zu unterschiedlichen Zeitpunkten eingeschlossen werden.

Während der Studie werden keine sensiblen/patientenidentifizierbaren Daten für die Algorithmusentwicklung übertragen. Die Algorithmusentwicklung basiert auf dem Abgleich von MRT-Pixelintensitäten mit Krankheitswerten/Anmerkungen über mehrere Scans hinweg. Die Anonymisierung wirkt sich nicht auf die Pixel innerhalb des Bildes aus. In Veröffentlichungen werden nur aggregierte Daten präsentiert, d. h. Einzelfallbeispiele werden nicht veröffentlicht.

Interessenkonflikt. Die Forscher dieser Studie geben keinen Interessenkonflikt an.