Diagnosi automatizzata di ictus nella tomografia computerizzata con l'uso dell'intelligenza artificiale

DICHIARAZIONE DEL PROBLEMA L'ictus è la quinta causa di morte negli Stati Uniti e la prima causa di invalidità a lungo termine. Ogni anno a circa 800.000 persone viene diagnosticato un ictus in questo paese, causando la morte di circa 130.000 persone, ogni 4 minuti una persona muore a causa di questa malattia negli Stati Uniti.

In Messico sono pochissime le informazioni statistiche pubblicate sull'ictus, secondo le linee guida della pratica clinica messicana "CENETEC" questa malattia è stata la terza causa di morte, con il 5,6% per cento delle principali cause di morte, con un tasso stimato di 25,6/100.000 abitanti e più di 25.000 morti all'anno secondo i dati dell'assessorato alla salute.

Il costo monetario dell'attenzione diretta e delle spese indirette è enorme, con una spesa di circa 34 miliardi di dollari all'anno. Circa il 20% dei sopravvissuti necessita di cure speciali durante i primi 3 mesi dopo un evento di ictus e circa il 30% rimane con una grave disabilità.

In Messico c'è un allarmante aumento dei casi di ictus correlato alla transizione demografica verso una popolazione più anziana, e anche all'aumento dei fattori di rischio per le malattie aterotrombotiche vascolari, come l'ipertensione, il diabete, l'obesità e la dislipidemia.

Le statistiche locali mostrano che dai diversi tipi di ictus la distribuzione in Messico è: 72,94% come ictus ischemico, 20,17% emorragico e 6,8% con emorragia subaracnoidea, questi numeri sono simili alla statistica riportata nella letteratura di altri paesi.

Secondo il primo registro multicentrico in Messico "The Premier Study" la distribuzione dell'eziologia dell'ictus ischemico era: aterosclerosi dei grandi vasi 8%, embolia cardiaca 20%, ictus lacunare 20%, varie 5% ed eziologia indeterminata 41%. In Messico solo lo 0,6% dei pazienti con ictus viene trattato con I.V. trombolisi, e di questi pazienti, il 33% è arrivato in una finestra <3 ore. dopo l'inizio dell'ictus.

GIUSTIFICAZIONE

L'assistenza medica e la diagnosi dei pazienti con ictus è considerata un'emergenza medica, gli studi hanno riportato il cosiddetto "Il tempo è cervello" dovuto al fatto che i pazienti con un tipico ictus ischemico dei grandi vasi, ogni minuto 1,9 milioni di neuroni, 14 miliardi di sinapsi e circa 12 km. delle fibre mielinizzate si perdono, questo sottolinea la necessità di una diagnosi e di un trattamento precoci.

Secondo "The Premier Study", uno dei risultati più preoccupanti nella cura medica dell'ictus in Messico è che solo un quinto dei pazienti con ictus arriva in ospedale entro la finestra per l'I.V. trombolisi e di questi < 1% riceve trattamento con rTPA. Ciò è dovuto a fattori quali la mancanza di équipe mediche specializzate per una diagnosi opportuna e precisa, un numero limitato di personale con esperienza nell'ictus e la mancanza di risorse tecnologiche per la diagnosi.

Per il caso particolare dell'ictus, ci sono diverse caratteristiche che propiziano l'uso di sistemi di intelligenza artificiale (A.I.), alcune di queste sono la grande quantità di dati e gli approcci multidisciplinari utilizzati per il processo decisionale medico, in particolare l'uso di studi di imaging, a causa del fatto che questi sono fattori chiave nella gestione dell'ictus.

Altri fattori che hanno contribuito all'utilizzo dell'A.I. in ictus sono la mancanza di esperti per la diagnosi di imaging, questo problema è chiaramente aggravato nei paesi in via di sviluppo. Solo pochi ospedali hanno accesso a neuroradiologi o neurologi specializzati per fornire una diagnosi opportuna e ottimale, questo genera un ritardo o addirittura una diagnosi imprecisa.

Esiste addirittura una concordanza variabile che va fino al 39% tra i medici specializzati per la diagnosi di ictus in tomografia computerizzata senza contrasto nel territorio dell'arteria cerebrale media, questo dimostra la grande variabilità inter-lettore, inoltre vi è scarsa definizione delle caratteristiche di infarto precoce, dimostrando la necessità di un metodo standardizzato di imaging dell'ictus.

Diversi studi hanno dimostrato l'efficacia dell'A.I. sistemi nella diagnosi dell'ictus, la maggior parte di essi mostra che la diagnosi automatizzata con l'A.I. è nella maggior parte delle volte uguale o addirittura migliore della segmentazione manuale con diagnosi umana da parte di esperti di ictus.

Esiste persino un sistema di valutazione dell'ictus già presente sul mercato, basato su A.I. algoritmi, questo ha già dimostrato la sua utilità nello studio ENCHANTED (Enhanced Control of Hypertension and Thrombolysis Stroke Study), "The Electronic-Alberta Stroke Program Early Computed Tomography Score Software.

SFONDI

L'A.I. è stato definito come lo studio dei calcoli che rendono possibile percepire, pensare e agire. AI sistemi si sono concentrati per emulare le funzioni cognitive degli esseri umani, a causa dei rapidi progressi nelle scienze computazionali l'A.I. viene utilizzato in molteplici campi, soprattutto nelle grandi aziende di tecnologia dell'informazione come google.

La medicina di precisione è stata definita come la diagnosi e il trattamento personalizzati di un singolo paziente, questo è un concetto emergente nella medicina contemporanea. Il gran numero di informazioni generate in biologia, immunologia, genomica e i progressi nella tecnologia di imaging ha aperto la strada a questa medicina personalizzata.

Questi progressi hanno generato una transizione nei moderni modelli sanitari, spinti dalla grande quantità di dati e dal progresso delle tecniche analitiche. Guidati da questioni cliniche rilevanti, l'A.I. i sistemi possono rivelare informazioni preziose nascoste all'interno di enormi quantità di dati (big data), grazie alle loro qualità analitiche. Questo può essere utile nel processo decisionale clinico.

Attualmente ci sono aziende come IBM ed è A.I. sistema Watson for Oncology (WFO), sviluppando sistemi di supporto alle decisioni cliniche (CDSS) in collaborazione con ospedali come il Memorial Sloan Kettering Cancer Center, questo sistema pretende di aiutare gli specialisti in oncologia con le sfide attuali della grande quantità di dati in campi come la genetica , farmacologia e linee guida terapeutiche, analizzando grandi banche dati per un trattamento più personalizzato del paziente. Il WFO è stato testato con casi reali discussi nei consigli multidisciplinari del Memorial Sloan Kettering Cancer Center ottenendo un ottimo livello di concordanza nelle loro serie, e attualmente è già disponibile sul mercato.

IPOTESI

L'utilizzo dei sistemi di machine learning per la quantificazione, localizzazione e diagnosi dell'ictus ischemico nella tomografia computerizzata della testa senza contrasto, è un metodo ad alta efficacia, accessibile e suscettibile di standardizzazione, per l'assistenza nel processo decisionale clinico in assenza di personale sanitario specializzato per l'attenzione di questa malattia.

OBIETTIVI

Obiettivo generale

• Progettare una I.A. algoritmo per la quantificazione, localizzazione e diagnosi dell'ictus ischemico nella tomografia computerizzata della testa senza contrasto, basato su un modello ibrido con l'uso di machine learning e modellazione statistica, ne ha valutato l'efficacia e ha creato un software per l'assistenza del processo decisionale medico.

Obiettivi specifici

• Standardizzare la raccolta dati e la creazione di banche dati di tomografia computerizzata della testa senza contrasto con diagnosi di ictus ischemico per l'inclusione nell'A.I.
• Creare database di tomografia computerizzata della testa senza contrasto con campioni rappresentativi dei diversi tipi di ictus ischemico, considerando le molteplici distribuzioni anatomiche, dimensioni e fasi di evoluzione.
• Standardizza un metodo di segmentazione dell'immagine, la posizione della lesione, la diagnosi e il punteggio ASPECT (Alberta Stroke Program Early CT Score).
• Generare un software efficiente per l'assistenza del processo decisionale clinico al personale medico non specializzato nella diagnosi di questa malattia, al fine di accelerare l'assistenza medica di questa popolazione di pazienti in luoghi in cui esiste una mancanza di team specializzati e risorse tecnologiche, per la diagnosi di questa malattia.

Obiettivi tecnici

• Standardizzare la raccolta dei file DICOM della tomografia computerizzata della testa anonimizzata senza contrasto con le rispettive specifiche di sistema (intestazioni) per la creazione della "verità fondamentale" del sistema di apprendimento automatico.
• Creare un algoritmo efficiente e valutarne l'accuratezza nella diagnosi di ictus attraverso diversi test preclinici con medici esperti specializzati in malattie cerebrovascolari.
• Progettare un software interattivo e facile da usare per il personale medico, per un rapido processo decisionale clinico e con supporto sulla medicina basata sull'evidenza per i pazienti con sospetto di ictus ischemico.

OBIETTIVI

• Creare un software per la quantificazione, la localizzazione e la diagnosi automatizzata dell'ictus, che sia efficiente e accurato per il processo decisionale clinico in assenza di personale medico specializzato e risorse tecnologiche per l'assistenza medica dei pazienti con ictus.
• Ottenere il registro di un brevetto del software basato sull'apprendimento automatico.
• Generare la pubblicazione di più articoli su riviste internazionali.

METODOLOGIA

Tipo di studio

Studio osservazionale prospettico, descrittivo, senza intervento del paziente, senza blinding per l'analisi della tomografia computerizzata della testa senza contrasto e la sua correlazione clinica.

Nel presente studio verrà mantenuta la riservatezza del paziente, poiché gli investigatori non avranno bisogno dei dati di identificazione dei pazienti.

Nel presente studio gli investigatori pretendono di creare un ibrido I.A. modello utilizzando un metodo combinato di modellazione statistica per il primo prototipo dell'algoritmo e poi continuare con la creazione dell'algoritmo di apprendimento automatico, combinando entrambi gli algoritmi per una migliore accuratezza ed efficacia.

Per il primo algoritmo con modellazione statistica gli investigatori pretendono di ottenere un campione rappresentativo con i diversi tipi di ictus ischemico, fino a quando gli investigatori raccolgono 50 immagini, informazioni cliniche e la rispettiva diagnosi e punteggio ASPECT.

Proseguendo con la creazione prospettica di un data base di tomografia computerizzata, correlazione clinica, e relative diagnosi e ASPECT score per l'alimentazione dell'algoritmo di machine learning, che solitamente richiede grandi quantità di dati per il suo addestramento.

Per entrambi gli algoritmi gli investigatori pretendono di testarli con valutatori indipendenti, la cui esperienza sarà sulla malattia cerebrovascolare, e gli investigatori confronteranno i risultati dell'A.I. sistema con la diagnosi dei valutatori specializzati, al fine di calibrare i punti di cut off dell'algoritmo per ottenere la massima concordanza.

INFRASTRUTTURA

Per lo sviluppo di questo protocollo gli investigatori pretendono di utilizzare le strutture del Dipartimento di Neuroscienze del Centro di Scienze della Salute dell'Università di Guadalajara "CUCS". La raccolta delle immagini sarà realizzata in collaborazione con il Dipartimento di radiologia dell'"Hospital Civil de Guadalajara, Fray Antonio Alcalde" e dell'"Hospital Civil de Guadalajara, Juan I. Menchaca".

La valutazione delle immagini sarà eseguita in collaborazione con il Dipartimento di Neurologia dell'"Hospital Civil de Guadalajara, Fray Antonio Alcalde".

La creazione dell'A.I. algoritmo sarà realizzato in collaborazione con il Centro universitario di ingegneria e scienze esatte (CUCEI) dell'Università di Guadalajara, nel dipartimento di scienze computazionali del CUCEI.