Progetto di algoritmo di apprendimento profondo dell'intestino tenue

Introduzione.

Lo scopo principale dello studio è valutare l'accuratezza dell'algoritmo di deep learning nel differenziare tra ileo terminale normale e anormale rispetto a radiologi esperti su immagini di enterografia RM.

Lo studio si basa sulla ricerca esistente, che ha dimostrato che i metodi statistici possono identificare i siti della malattia di Crohn dell'intestino tenue. Tuttavia, il processo richiedeva più di 1 ora di tempo e non era completamente automatico. Il nostro progetto indaga se l'algoritmo di "deep learning" all'avanguardia (basato su reti neurali) abbinato a una maggiore potenza di calcolo può fornire informazioni accurate e tempestive.

Il progetto è stato progettato congiuntamente da radiologi specializzati in imaging gastrointestinale (che sono consapevoli delle sfide nell'imaging accurato della malattia di Crohn) e dal dipartimento di informatica dell'Imperial College (che hanno esperienza nello sviluppo di reti neurali per l'imaging medico). Si ringraziano anche gli input e le revisioni del dipartimento di ricerca e sviluppo di London North-West.

Progettazione dello studio.

Design retrospettivo e reclutamento.

Lo studio identificherà retrospettivamente i pazienti idonei e utilizzerà una tecnica di campionamento dei casi consecutivi (tutte le immagini idonee saranno incluse lavorando a ritroso dalla più recente).

Questo approccio retrospettivo compromette tra la generalizzabilità dei risultati che viene ridotta rispetto allo studio che viene condotto in tempi relativamente brevi ea basso costo (lo studio non ha sovvenzioni).

I ricercatori sono fiduciosi della generalizzabilità dei risultati poiché un obiettivo di reclutamento di 113 casi normali e 113 casi con malattia ileale terminale dovrebbe coprire lo spettro delle apparenze normali e anormali (studi precedenti hanno utilizzato <50 set di immagini).

I casi con ileo terminale normale alla risonanza magnetica sono inclusi poiché un approccio allo sviluppo dell'algoritmo comporta il confronto delle caratteristiche di imaging dell'ileo terminale normale e anormale negli studi di risonanza magnetica.

Approccio non sperimentale.

Il metodo utilizza scansioni MRI effettuate come parte delle cure cliniche standard. Nessun imaging aggiuntivo è intrapreso per questo studio. I risultati dello studio non cambieranno il/i trattamento/i corrente/i che i pazienti idonei stanno assumendo.

Consenso e riservatezza.

Poiché le immagini utilizzate per lo sviluppo dell'algoritmo sono completamente anonime, non verrà ottenuto il consenso esplicito. Ciò segue la guida delle Linee guida del General Medical Council nel 2011 e del Royal College of Radiologists (Regno Unito) nel 2017 che affermano che le registrazioni anonime possono essere condivise per l'uso nella ricerca senza consenso.

Le immagini MRI utilizzate per questo studio sono state acquisite come parte dell'assistenza clinica standard di routine e sarebbero regolarmente visualizzate dai radiologi che partecipano a questo studio come parte della loro normale pratica lavorativa.

Non appena viene identificato il paziente idoneo, le immagini del paziente verranno copiate in forma completamente anonima senza identificatori diretti o indiretti. Una solida funzione di anonimizzazione è inclusa nel programma di visualizzazione delle immagini radiologiche. Gli identificatori del soggetto dello studio verranno assegnati in modo casuale impedendo la pseudo-anonimizzazione se sono incluse le scansioni dello stesso paziente in momenti diversi.

Nessun dato sensibile/identificabile del paziente verrà trasferito per lo sviluppo dell'algoritmo durante lo studio. Lo sviluppo dell'algoritmo si basa sulla corrispondenza delle intensità dei pixel MRI ai punteggi/annotazioni della malattia su più scansioni. L'anonimizzazione non influisce sui pixel all'interno dell'immagine. Nelle pubblicazioni saranno presentati solo dati aggregati, vale a dire che non verranno pubblicati esempi di singoli casi.

Conflitto d'interesse. I ricercatori di questo studio non dichiarano alcun conflitto di interessi.