Ohutsuolen syväoppimisalgoritmiprojekti

Johdanto.

Tutkimuksen päätavoitteena on arvioida syväoppimisalgoritmin tarkkuutta normaalin ja epänormaalin terminaalisen sykkyräsuolen välillä kokeneisiin radiologeihin verrattuna MR Enterography -kuvissa.

Tutkimus perustuu olemassa olevaan tutkimukseen, joka on osoittanut, että tilastollisilla menetelmillä voidaan tunnistaa ohutsuolen Crohnin taudin paikkoja. Prosessi oli kuitenkin aikaa vievä > 1 tunti eikä täysin automaattinen. Projektimme tutkii, voiko huippuluokan "syväoppimisalgoritmi" (perustuu hermoverkkoihin) yhdistettynä lisääntyneeseen laskentatehoon tarjota tarkkaa ja oikea-aikaista tietoa.

Projektin ovat suunnitelleet yhdessä ruoansulatuskanavan kuvantamisen asiantuntijaradiologit (jotka ovat tietoisia Crohnin taudin tarkkaan kuvantamiseen liittyvistä haasteista) ja Imperial Collegen tietojenkäsittelytieteen osasto (joilla on kokemusta lääketieteellisen kuvantamisen hermoverkkojen kehittämisestä). Myös Lontoon Luoteis-tutkimus- ja kehitysosaston panos ja arvostelu otetaan huomioon.

Opintojen suunnittelu.

Retrospektiivinen suunnittelu ja rekrytointi.

Tutkimuksessa tunnistetaan takautuvasti kelvolliset potilaat ja käytetään peräkkäistä tapausnäytteenottotekniikkaa (kaikki kelvolliset kuvat otetaan mukaan taaksepäin viimeisimmästä).

Tämä retrospektiivinen lähestymistapa tekee kompromissin löydösten yleistävyyden vähentämisen ja tutkimuksen suhteellisen nopean ja alhaisen kustannustason välillä (tutkimuksella ei ole apuraharahoitusta).

Tutkijat ovat vakuuttuneita tulosten yleistettävyydestä, sillä 113 normaalin tapauksen ja 113 terminaalista sykkyräsuolen sairautta sairastavan tapauksen rekrytointikohteena pitäisi kattaa normaalien ja epänormaalien ilmentymien kirjo (aiemmissa tutkimuksissa on käytetty <50 kuvasarjaa).

Tapaukset, joissa MRI:ssä on normaali terminaalinen sykkyräsuoli, on sisällytetty lähestymistapaan algoritmien kehittämiseen, ja siinä verrataan normaalin ja epänormaalin terminaalisen sykkyräsuolen kuvantamisominaisuuksia MRI-tutkimuksissa.

Ei-kokeellinen lähestymistapa.

Menetelmässä käytetään magneettikuvauksia, jotka tehdään osana normaalia kliinistä hoitoa. Tätä tutkimusta varten ei tehdä lisäkuvauksia. Tutkimustulokset eivät muuta hoitoon oikeutettujen potilaiden nykyistä hoitoa.

Suostumus ja luottamuksellisuus.

Koska algoritmien kehittämiseen käytetyt kuvat ovat täysin anonymisoituja, nimenomaista suostumusta ei saada. Tämä noudattaa General Medical Council Guidelines -ohjeita vuonna 2011 ja Royal College of Radiologists (UK) vuonna 2017, joiden mukaan anonymisoituja tallenteita voidaan jakaa käytettäväksi tutkimuksessa ilman lupaa.

Tässä tutkimuksessa käytetyt MRI-kuvat hankittiin osana rutiininomaista kliinistä hoitoa, ja tutkimukseen osallistuvat radiologit katselisivat niitä rutiininomaisesti osana normaalia työkäytäntöään.

Heti kun sopiva potilas on tunnistettu, potilaan kuvat kopioidaan täysin anonymisoidussa muodossa ilman suoria tai epäsuoria tunnisteita. Radiology-kuvankatseluohjelmassa on vankka anonymisointitoiminto. Tutkimuskohde Tunnisteet jaetaan satunnaisesti estämään pseudo-anonymisaatio, jos samasta potilaasta eri ajankohtina tehdyt skannaukset otetaan mukaan.

Mitään arkaluonteista/potilaan tunnistettavissa olevaa dataa ei siirretä algoritmien kehittämiseen tutkimuksen aikana. Algoritmin kehitys perustuu MRI-pikseliintensiteettien sovittamiseen sairauspisteisiin/merkintöihin useissa skannauksissa. Anonymisointi ei vaikuta kuvan pikseleihin. Julkaisuissa esitetään vain aggregoituja tietoja eli yksittäisiä tapausesimerkkejä ei julkaista.

Eturistiriita. Tämän tutkimuksen tutkijat eivät ilmoittaneet eturistiriitaa.