Conversione di immagini ecografiche in immagini in formato CT utilizzando l'apprendimento basato sull'intelligenza artificiale

Contesto e motivazione dell'esperimento medico:

L'ecografia è un metodo di imaging che utilizza le onde sonore per caratterizzare la struttura e la funzione di vari organi in condizioni di salute e malattia. Questa tecnica è ampiamente utilizzata nella vita clinica quotidiana e ha molti vantaggi. L'esame non prevede l'uso di radiazioni ionizzanti, quindi il suo utilizzo è più sicuro rispetto ad altre tecniche come i raggi X o le scansioni TC (tomografia computerizzata). Le immagini acquisite e visualizzate sull'ecografo sono in tempo reale, quindi è possibile identificare i cambiamenti, che in molti casi influiscono sulla diagnosi finale. Il test non è invasivo, né richiede l'uso di un mezzo di contrasto che contenga sostanze che possono causare una reazione allergica o compromettere la funzionalità renale. Inoltre, l'attrezzatura è ampiamente disponibile e può essere utilizzata anche al capezzale. Oltre ai citati vantaggi, il test ad ultrasuoni presenta anche notevoli inconvenienti. Le onde ultrasoniche non penetrano bene attraverso le ossa o l'aria, compromettendo così la qualità del test. Inoltre, il metodo dipende fortemente dall'abilità dell'operatore, quindi è necessaria una notevole esperienza per produrre informazioni di qualità sufficienti e fare una diagnosi accurata. La qualità del test dipende anche dalla collaborazione del soggetto durante il test, come i cambiamenti nella postura e la respirazione profonda.

Rispetto all'esame ecografico, la TAC consente una visione anatomica più ampia, e non è limitata da fattori fisiologici come le ossa e l'aria. Le carenze più notevoli della TAC includono il fatto che il test richiede radiazioni ionizzanti che comportano inevitabilmente un pericolo diretto e indiretto per la salute del paziente. Inoltre, il test richiede maggiori risorse finanziarie e in termini di manodopera, che è una limitazione nel suo utilizzo al di fuori dell'ospedale o in paesi con condizioni socio-economiche svantaggiate.

In questo studio, i ricercatori mirano a colmare il divario tra questi due tipi di tecniche e creare un sistema uniforme che tragga vantaggio da entrambi. Questo viene fatto creando immagini CT da immagini ecografiche. Questo processo comporterà l'uso di metodi di intelligenza artificiale, vale a dire algoritmi di apprendimento automatico.

L'apprendimento automatico in generale, e l'apprendimento profondo in particolare, hanno acquisito slancio negli ultimi anni nel campo della visione artificiale e più recentemente anche nel campo dell'imaging medico. Inoltre, si possono già vedere significativi successi nella classificazione delle malattie della retina, in cui il sensore è una telecamera oculare o tomografia a coerenza ottica (OCT), nella classificazione delle classificazioni nell'imaging MRI del seno 3 e, più recentemente, nella la classificazione della gravità della malattia causata dal virus Corona, mediante radiografie del torace ed ecografie.

L'apprendimento automatico comprende due fasi. Nella prima fase, l'algoritmo si allena sui dati taggati, utilizzando architetture e funzioni target, che consentono di ottenere un'elevata accuratezza. Nella seconda fase, gli investigatori testeranno l'algoritmo per i dati che non sono stati ancora osservati. Va notato che una grande quantità di dati con tag può essere molto utile nello sviluppo dell'algoritmo, ma allo stesso tempo può essere difficile produrre dati con tag e può essere un processo lungo e costoso. Pertanto, gli investigatori utilizzeranno approcci non supervisionati o semi-supervisionati.

Obiettivi della ricerca medica: Fornire informazioni ecografiche e radiografiche a un sistema di intelligenza artificiale allo scopo di creare immagini TC da immagini ecografiche, al fine di consentire un migliore orientamento spaziale nonché una migliore caratterizzazione delle strutture anatomiche scansionate.

Tipo di studio: uno studio prospettico in aperto in cui sia il medico che il paziente sono a conoscenza delle modalità e degli scopi della scansione.

Procedura sperimentale: i partecipanti che soddisfano i criteri dello studio saranno sottoposti a un'ecografia completa degli organi addominali utilizzando un dispositivo ad ultrasuoni clinico presso l'Imaging Institute presso il centro medico Haemek. La durata stimata dell'esame è di 20 minuti. Le immagini ecografiche saranno accoppiate visivamente alle precedenti immagini TC dello stesso paziente al momento dell'esame, utilizzando un sistema Fusion situato nel dispositivo ecografico sopra menzionato.

Si noti che se il partecipante è venuto per un esame ecografico clinico che avrebbe dovuto avvenire in ogni caso, supererà l'esame clinico come al solito, quindi eseguirà separatamente l'esame sopra descritto come parte dello studio.

Le immagini TC ed ecografiche accoppiate saranno codificate e inviate al laboratorio SAMPL dell'istituto Weizmann, dove le immagini fungeranno da piattaforma di apprendimento per il sistema di intelligenza artificiale. Le immagini saranno trasferite solo dopo che i dati personali del soggetto saranno stati codificati in un file EXCEL e salvati dal ricercatore principale. Solo il ricercatore principale e i ricercatori secondari saranno esposti alle informazioni di pre-codifica, che saranno archiviate su un computer dedicato presso il ricercatore principale, protetto da password.

Le informazioni codificate raccolte verranno trasmesse continuamente durante la ricerca all'Istituto Weizmann, al fine di garantire una buona acquisizione delle informazioni e la possibilità di feedback in tempo reale al ricercatore principale a favore dell'acquisizione di informazioni di migliore qualità che consentano l'analisi dei dati.

In qualsiasi futura applicazione del laboratorio SAMPL per i dettagli sui partecipanti, dovrà contattare con il numero di serie quando la chiave di codifica sarà esclusivamente presso il sito clinico (Haemek Hospital). Il laboratorio SAMPL dell'Istituto Weizmann non sarà esposto in alcun modo e in nessuna fase dell'esperimento all'identificazione di informazioni sui partecipanti.

Monitoraggio dei partecipanti e segnalazione dei referti medici

Se durante lo studio vengono scoperti risultati medici imprevisti importanti per la salute del paziente, è responsabilità del ricercatore principale trasferirli senza indugio al medico curante per ulteriore follow-up e trattamento, se necessario, secondo le cure mediche standard. I partecipanti non saranno seguiti dopo la scansione sperimentale come parte della sperimentazione clinica.