Ultrahangos képek átalakítása CT formátumú képalkotássá mesterséges intelligencia alapú tanulás segítségével

Az orvosi kísérlet háttere és indoklása:

Az ultrahangos képalkotás olyan képalkotó módszer, amely hanghullámokat használ a különböző szervek szerkezetének és működésének jellemzésére egészségi és betegségi körülmények között. Ezt a technikát széles körben használják a klinikai mindennapi életben, és számos előnnyel jár. A vizsgálat nem jár ionizáló sugárzással, így használata biztonságosabb, mint más technikák, mint például a röntgen vagy a CT (számítógépes tomográfia). Az ultrahangos készüléken készített és megtekintett képek valós idejűek, így azonosíthatók azok a változások, amelyek sok esetben befolyásolják a végső diagnózist. A vizsgálat nem invazív, és nem szükséges olyan kontrasztanyag használata sem, amely allergiás reakciót okozó vagy veseműködést károsító anyagokat tartalmaz. Ezen kívül a berendezés széles körben elérhető, és ágy mellett is használható. Az említett előnyök mellett az ultrahangvizsgálatnak vannak jelentős hátrányai is. Az ultrahanghullámok nem hatolnak át jól a csontokon vagy a levegőn, így rontják a vizsgálat minőségét. Ezen túlmenően a módszer nagymértékben függ a kezelő képességeitől, így jelentős tapasztalat szükséges a megfelelő minőségű információ előállításához és a pontos diagnózis felállításához. A teszt minősége a vizsgálati alany együttműködésétől is függ a vizsgálat során, például a testtartás változásaitól és a mély légzéstől.

Az ultrahangos vizsgálathoz képest a CT vizsgálat szélesebb anatómiai képet ad, és nem korlátozzák olyan élettani tényezők, mint a csontok és a levegő. A CT vizsgálat legjelentősebb hiányosságai közé tartozik, hogy a vizsgálathoz olyan ionizáló sugárzás szükséges, amely elkerülhetetlenül közvetlen és közvetett veszélyt jelent a beteg egészségére. Ezenkívül a teszt anyagilag és munkaerő tekintetében több erőforrást igényel, ami korlátozza a kórházon kívüli vagy rossz társadalmi-gazdasági státuszú országokban történő alkalmazását.

Ebben a tanulmányban a kutatók arra törekednek, hogy áthidalják a kétféle technika közötti szakadékot, és olyan egységes rendszert hozzanak létre, amely mindkettőt kihasználja. Ez ultrahangos képekből CT-képek létrehozásával történik. Ez a folyamat mesterséges intelligencia módszereket, nevezetesen gépi tanulási algoritmusokat foglal magában.

A gépi tanulás általában, és különösen a mélytanulás az elmúlt években lendületet kapott a számítógépes látás és újabban az orvosi képalkotás területén is. Emellett már most is jelentős sikereket lehet látni a retina betegségek osztályozásában, amelyben a szenzor a szemfenéki kamera vagy az optikai koherencia tomográfia (OCT), az osztályozások osztályozásában Az emlő MRI képalkotásában 3, újabban pedig a a Corona vírus okozta betegség súlyosságának osztályozása mellkasröntgen és ultrahang vizsgálat segítségével.

A gépi tanulás két fázisból áll. Az első fázisban az algoritmus a címkézett adatokra oktat, olyan architektúrákat és célfüggvényeket használva, amelyek lehetővé teszik a nagy pontosság elérését. A második lépésben a kutatók tesztelik az algoritmust olyan adatokra, amelyeket még nem figyeltek meg. Meg kell jegyezni, hogy a nagy mennyiségű címkézett adat nagyon hasznos lehet az algoritmus kidolgozásában, ugyanakkor nehézkes lehet a címkézett adatok előállítása, valamint hosszú és költséges folyamat lehet. Ezért a vizsgálók nem felügyelt vagy félig felügyelt megközelítéseket alkalmaznak.

Az orvosi kutatás céljai: Szonográfiás és radiográfiai információk biztosítása mesterséges intelligencia rendszer számára ultrahangfelvételekből CT-képek készítése céljából, a jobb térbeli tájékozódás, valamint a szkennelt anatómiai struktúrák jobb jellemzése érdekében.

Vizsgálat típusa: Prospektív, nyílt vizsgálat, amelyben az orvos és a beteg is tisztában van a szkennelés módjával és céljával.

Kísérleti eljárás: Azon résztvevők, akik megfelelnek a vizsgálati kritériumoknak, a Haemek orvosi központ Képalkotó Intézetében klinikai ultrahangos készülék segítségével teljes ultrahangos vizsgálatnak vetik alá a hasi szerveket. A vizsga becsült időtartama 20 perc. Az ultrahangos képeket a fent említett ultrahangkészülékben található Fusion rendszer segítségével vizuálisan összekapcsolják ugyanazon páciens korábbi CT-képeivel a vizsgálat időpontjában.

Felhívjuk figyelmét, hogy ha a résztvevő klinikai ultrahangos vizsgálatra érkezett, amelyet mindenképpen meg kellett volna valósítania, akkor a szokásos módon átmegy a klinikai vizsgálaton, majd a vizsgálat részeként külön-külön átesik a fent leírt vizsgálaton.

A csatolt CT és ultrahang képeket kódolva továbbítják a Weizmann Intézet SAMPL laboratóriumába, ahol a képek tanulási platformként szolgálnak majd a mesterséges intelligencia rendszer számára. A képek csak azután kerülnek átvitelre, hogy az alany személyes adatait EXCEL-fájlba kódolták és a vezető kutató elmentette. Csak a vezető kutató és a másodlagos kutatók lesznek kitéve az előre kódolt információknak, amelyeket a vezető kutatónál egy erre a célra kialakított számítógépen tárolnak, jelszóval védve.

Az összegyűjtött kódolt információkat a kutatás során folyamatosan továbbítják a Weizmann Intézetnek, hogy biztosítsák a jó információszerzést és a valós idejű visszacsatolás lehetőségét a vezető kutatónak az adatelemzést lehetővé tevő jobb minőségű információk megszerzése érdekében.

A SAMPL laboratórium minden jövőbeni alkalmazásában a résztvevőkkel kapcsolatos részletekért, fel kell vennie a kapcsolatot a sorozatszámmal, amikor a kódoló kulcs kizárólag a klinikai helyszínen (Haemek Kórház) lesz. A Weizmann Intézet SAMPL laboratóriuma semmilyen módon és a kísérlet egyetlen szakaszában sem lesz kitéve a résztvevőkkel kapcsolatos információk azonosításának.

A résztvevők megfigyelése és az orvosi leletek jelentése

Ha a vizsgálat során a páciens egészsége szempontjából fontos váratlan orvosi leletet fedeznek fel, a vezető vizsgálatot végző feladata, hogy azokat haladéktalanul átadja a kezelőorvosnak további nyomon követés és a szokásos orvosi ellátás által szükségessé váló kezelés céljából. A résztvevőket a klinikai vizsgálat részeként végzett kísérleti szkennelés után nem követik nyomon.