Project voor algoritmen voor diep leren in de dunne darm

Invoering.

Het hoofddoel van de studie is het evalueren van de nauwkeurigheid van het deep learning-algoritme bij het onderscheiden tussen normaal en abnormaal terminaal ileum ten opzichte van ervaren radiologen op MR Enterography-beelden.

De studie bouwt voort op bestaand onderzoek, waaruit is gebleken dat statistische methoden plaatsen van de ziekte van Crohn in de dunne darm kunnen identificeren. Het proces was echter tijdrovend > 1 uur en niet volledig automatisch. Ons project onderzoekt of een geavanceerd "deep learning"-algoritme (gebaseerd op neurale netwerken) in combinatie met meer rekenkracht nauwkeurige en tijdige informatie kan opleveren.

Het project is gezamenlijk ontworpen door gespecialiseerde radiologen in gastro-intestinale beeldvorming (die zich bewust zijn van de uitdagingen bij het nauwkeurig in beeld brengen van de ziekte van Crohn) en het Imperial College Computer Science Department (die ervaring hebben met het ontwikkelen van neurale netwerken voor medische beeldvorming). Input en beoordeling van de London North-West Research and Development-afdeling wordt ook erkend.

Studie ontwerp.

Retrospectief ontwerp & Werving.

De studie zal met terugwerkende kracht in aanmerking komende patiënten identificeren en een techniek van opeenvolgende casusbemonstering gebruiken (alle in aanmerking komende beelden zullen worden opgenomen vanaf de meest recente).

Deze retrospectieve benadering maakt een compromis tussen het verminderen van de generaliseerbaarheid van bevindingen en het feit dat het onderzoek relatief snel en tegen lage kosten wordt uitgevoerd (het onderzoek wordt niet gesubsidieerd).

De onderzoekers hebben vertrouwen in de generaliseerbaarheid van de resultaten, aangezien een rekruteringsdoel van 113 normale gevallen en 113 gevallen met terminale ileale ziekte het spectrum van normale en abnormale verschijningen zou moeten dekken (eerdere studies gebruikten <50 beeldsets).

Gevallen met normaal terminaal ileum op MRI zijn opgenomen omdat een benadering van de ontwikkeling van algoritmen een vergelijking inhoudt van beeldvormende kenmerken van normaal en abnormaal terminaal ileum op MRI-onderzoeken.

Niet-experimentele benadering.

De methode maakt gebruik van MRI-scans die worden uitgevoerd als onderdeel van standaard klinische zorg. Voor dit onderzoek wordt geen aanvullende beeldvorming uitgevoerd. De onderzoeksresultaten zullen niets veranderen aan de huidige behandeling(en) die in aanmerking komende patiënten nemen.

Toestemming & vertrouwelijkheid.

Aangezien de afbeeldingen die worden gebruikt voor de ontwikkeling van algoritmen volledig geanonimiseerd zijn, zal er geen expliciete toestemming worden verkregen. Dit volgt de richtlijnen van de General Medical Council Guidelines in 2011 en The Royal College of Radiologists (VK) in 2017, waarin staat dat geanonimiseerde opnames zonder toestemming kunnen worden gedeeld voor gebruik in onderzoek.

MRI-beelden die voor dit onderzoek zijn gebruikt, zijn verkregen als onderdeel van routinematige standaard klinische zorg en zouden routinematig worden bekeken door de radiologen die aan dit onderzoek deelnemen als onderdeel van hun normale werkpraktijk.

Zodra een geschikte patiënt is geïdentificeerd, worden de afbeeldingen van de patiënt gekopieerd in een volledig geanonimiseerde vorm zonder directe of indirecte identificatiemiddelen. Een robuuste anonimiseringsfunctie is opgenomen in het beeldweergaveprogramma Radiologie. Onderzoeksonderwerp-ID's worden willekeurig toegewezen om pseudo-anonimisering te voorkomen als scans van dezelfde patiënt op verschillende tijdstippen worden opgenomen.

Tijdens het onderzoek worden geen gevoelige/identificeerbare gegevens van de patiënt overgedragen voor de ontwikkeling van algoritmen. De ontwikkeling van het algoritme is gebaseerd op het matchen van MRI-pixelintensiteiten met ziektescores/aantekeningen over meerdere scans. Anonimisering heeft geen invloed op de pixels in de afbeelding. In publicaties zullen alleen geaggregeerde gegevens worden gepresenteerd, d.w.z. voorbeelden van individuele gevallen worden niet gepubliceerd.

Belangenverstrengeling. De onderzoekers van deze studie verklaren geen belangenverstrengeling.