Zautomatyzowana diagnostyka udaru mózgu w tomografii komputerowej z wykorzystaniem sztucznej inteligencji

OPIS PROBLEMU Udar jest piątą przyczyną śmierci w Stanach Zjednoczonych i pierwszą przyczyną długotrwałej niepełnosprawności. Rocznie w tym kraju diagnozuje się udar u około 800 000 osób, powodując śmierć około 130 000 osób, co 4 minuty jedna osoba umiera z powodu tej choroby w USA.

W Meksyku opublikowano bardzo niewiele informacji statystycznych na temat udaru, zgodnie z meksykańskimi wytycznymi praktyki klinicznej „CENETEC” choroba ta była trzecią przyczyną zgonów, z 5,6% procentem głównych przyczyn zgonów, z szacowanym wskaźnikiem 25,6/100 000 mieszkańców i ponad 25 000 zgonów rocznie według danych sanepidu.

Pieniężny koszt bezpośredniej uwagi i wydatków pośrednich jest ogromny, przy przybliżonych wydatkach rzędu 34 miliardów dolarów rocznie. Około 20% osób, które przeżyły, wymaga specjalnej opieki w ciągu pierwszych 3 miesięcy po udarze mózgu, a około 30% pozostaje z poważnym upośledzeniem.

W Meksyku obserwuje się alarmujący wzrost zachorowań na udar, który koreluje z demograficznym przejściem do starszej populacji, a także ze wzrostem czynników ryzyka choroby zakrzepowo-zatorowej naczyń, takich jak nadciśnienie, cukrzyca, otyłość i dyslipidemia.

Lokalne statystyki pokazują, że z różnych typów udarów w Meksyku rozkład jest następujący: 72,94% jako udar niedokrwienny, 20,17% jako udar krwotoczny i 6,8% jako krwotok podpajęczynówkowy, liczby te są podobne do statystyk podawanych w literaturze innych krajów.

Według pierwszego wieloośrodkowego rejestru w Meksyku „The Premier Study” rozkład etiologii udaru niedokrwiennego był następujący: miażdżyca dużych naczyń 8%, zatorowość serca 20%, udar lakunarny 20%, różne 5% i nieokreślona etiologia 41%. W Meksyku tylko 0,6% pacjentów z udarem jest leczonych dożylnie. trombolizy, a spośród tych pacjentów 33% przybyło w oknie <3 godz. po wystąpieniu udaru.

UZASADNIENIE

Opieka medyczna i diagnostyka pacjentów z udarem mózgu jest uważana za nagły przypadek medyczny, badania wykazały denominację „Czas to mózg” ze względu na fakt, że pacjenci z typowym udarem niedokrwiennym dużych naczyń, w każdej minucie 1,9 miliona neuronów, 14 miliardów synapsy i około 12 km. włókien mielinowych jest traconych, co wskazuje na potrzebę wczesnej diagnozy i leczenia.

Według „The Premier Study” jednym z najbardziej niepokojących wyników w opiece medycznej nad udarem mózgu w Meksyku jest to, że tylko jedna piąta pacjentów z udarem trafia do szpitala w oknie na iv. trombolizy, z czego < 1% otrzymuje leczenie rTPA. Wynika to z takich czynników, jak brak wyspecjalizowanych zespołów medycznych do postawienia trafnej i precyzyjnej diagnozy, ograniczona liczba personelu posiadającego wiedzę specjalistyczną w zakresie udaru oraz brak zasobów technologicznych do diagnozy.

W szczególnym przypadku udaru istnieje kilka cech, które przemawiają za stosowaniem systemów sztucznej inteligencji (AI), niektóre z nich to duża ilość danych i multidyscyplinarne podejścia stosowane do podejmowania decyzji medycznych, w szczególności wykorzystanie badań obrazowych, ze względu na fakt, że są to kluczowe czynniki w leczeniu udaru mózgu.

Inne czynniki, które przyczyniły się do wykorzystania A.I. w udarze mózgu brakuje specjalistów do diagnostyki obrazowej, problem ten wyraźnie nasila się w krajach rozwijających się. Tylko nieliczne szpitale mają dostęp do wyspecjalizowanych neuroradiologów lub neurologów w celu postawienia trafnej i optymalnej diagnozy, co powoduje opóźnienie lub nawet niedokładną diagnozę.

Istnieje nawet zmienna zgodność, sięgająca 39%, między lekarzami specjalizującymi się w rozpoznawaniu udaru mózgu w tomografii komputerowej bez kontrastu w obszarze tętnicy przyśrodkowej mózgu, co pokazuje dużą zmienność między czytelnikami, ponadto istnieje rzadka definicja cech charakterystycznych wczesnego zawału, co wskazuje na potrzebę wystandaryzowanej metody obrazowania udaru.

Kilka badań wykazało skuteczność A.I. systemów w diagnostyce udaru, większość z nich pokazuje, że zautomatyzowana diagnostyka za pomocą A.I. jest w większości przypadków taka sama lub nawet lepsza niż ręczna segmentacja z diagnozą ludzi przez ekspertów od udarów.

Na rynku istnieje już nawet system oceny udaru, oparty na sztucznej inteligencji. algorytmów, to już wykazało swoją przydatność w badaniu ENCHANTED (Enhanced Control of Hypertension and Thrombolysis Stroke Study), „The Electronic-Alberta Stroke Program Early Computed Tomography Score Software.

TŁA

sztuczna inteligencja została zdefiniowana jako nauka o obliczeniach, które umożliwiają postrzeganie, myślenie i działanie. sztuczna inteligencja systemy skupiły się na naśladowaniu funkcji poznawczych ludzi, ze względu na szybki postęp w naukach obliczeniowych, sztuczna inteligencja jest używany w wielu dziedzinach, zwłaszcza w dużych firmach informatycznych, takich jak google.

Medycyna precyzyjna została zdefiniowana jako zindywidualizowana diagnostyka i leczenie indywidualnego pacjenta, jest to koncepcja wyłaniająca się we współczesnej medycynie. Ogromna ilość informacji generowanych w biologii, immunologii, genomice oraz postęp w technologii obrazowania stworzył drogę do spersonalizowanej medycyny.

Postępy te spowodowały zmianę we współczesnych modelach opieki zdrowotnej, napędzaną ogromną ilością danych i postępem technik analitycznych. Kierując się odpowiednimi pytaniami klinicznymi, A.I. systemy mogą ujawnić cenne informacje ukryte w ogromnych ilościach danych (big data), ze względu na swoje właściwości analityczne. Może to być pomocne w podejmowaniu decyzji klinicznych.

Obecnie istnieją firmy takie jak IBM i jest to A.I. system Watson for Oncology (WFO), rozwijający systemy wspomagania decyzji klinicznych (CDSS) we współpracy ze szpitalami, takimi jak Memorial Sloan Kettering Cancer Center, system ten udaje, że pomaga specjalistom onkologii w bieżących wyzwaniach związanych z ogromną ilością danych w dziedzinach takich jak genetyka , farmakologii i wytycznych leczenia, analizując duże bazy danych w celu bardziej spersonalizowanego leczenia pacjenta. WFO zostało przetestowane z prawdziwymi przypadkami omawianymi w multidyscyplinarnych komisjach w Memorial Sloan Kettering Cancer Center, uzyskując wysoki poziom zgodności w swoich seriach i obecnie jest już dostępne na rynku.

HIPOTEZA

Wykorzystanie systemów uczenia maszynowego do kwantyfikacji, lokalizacji i diagnostyki udaru niedokrwiennego mózgu w tomografii komputerowej głowy bez kontrastu jest metodą o wysokiej skuteczności, dostępną i podatną na standaryzację, pomocną w podejmowaniu decyzji klinicznych w przypadku braku wyspecjalizowanego personelu medycznego zajmującego się tą chorobą.

CELE

Cel ogólny

• Zaprojektuj sztuczną inteligencję algorytm kwantyfikacji, lokalizacji i diagnostyki udaru niedokrwiennego mózgu w tomografii komputerowej głowy bez kontrastu, oparty na modelu hybrydowym z wykorzystaniem uczenia maszynowego i modelowania statystycznego, ocenił jego skuteczność i stworzył oprogramowanie wspomagające podejmowanie decyzji medycznych.

Konkretne cele

• Standaryzacja gromadzenia danych i tworzenie banków danych tomografii komputerowej głowy bez kontrastu z diagnostyką udaru niedokrwiennego w celu włączenia do AI.
• Twórz bazy danych tomografii komputerowej głowy bez kontrastu z reprezentatywnymi próbkami różnych typów udaru niedokrwiennego, biorąc pod uwagę wiele rozkładów anatomicznych, rozmiarów i faz ewolucji.
• Standaryzacja metody segmentacji obrazu, lokalizacji zmiany, diagnozy i punktacji ASPECT (Alberta Stroke Program Early CT Score).
• Wygenerować wydajne oprogramowanie wspomagające podejmowanie decyzji klinicznych przez niewyspecjalizowany personel medyczny w diagnostyce tej choroby, w celu przyspieszenia opieki medycznej nad tą populacją pacjentów w miejscach, gdzie brakuje wyspecjalizowanych zespołów i zasobów technologicznych, do diagnozy tej choroby.

Cele techniczne

• Standaryzacja zbioru anonimowych plików DICOM tomografii komputerowej głowy bez kontrastu wraz z ich odpowiednimi specyfikacjami systemowymi (nagłówkami) w celu stworzenia „podstawowej prawdy” systemu uczenia maszynowego.
• Stwórz skuteczny algorytm i oceń jego dokładność w diagnostyce udaru za pomocą kilku testów przedklinicznych z udziałem lekarzy specjalistów specjalizujących się w chorobach naczyń mózgowych.
• Zaprojektuj interaktywne i łatwe w użyciu oprogramowanie dla personelu medycznego, umożliwiające szybkie podejmowanie decyzji klinicznych i wspierające medycynę opartą na dowodach dla pacjentów z podejrzeniem udaru niedokrwiennego.

CELE

• Stworzyć oprogramowanie do kwantyfikacji, lokalizacji i zautomatyzowanej diagnozy udaru, które jest wydajne i dokładne do podejmowania decyzji klinicznych w przypadku braku wyspecjalizowanego personelu medycznego i zasobów technologicznych do opieki medycznej nad pacjentami z udarem.
• Uzyskanie rejestru patentu oprogramowania opartego na uczeniu maszynowym.
• Wygeneruj publikację wielu artykułów w międzynarodowych czasopismach.

METODOLOGIA

Rodzaj studiów

Prospektywne badanie obserwacyjne, opisowe, bez interwencji pacjenta, bez zaślepienia w celu analizy tomografii komputerowej głowy bez kontrastu i jej korelacji klinicznej.

W niniejszym badaniu zostanie zachowana poufność pacjenta, ponieważ badacze nie będą potrzebować danych identyfikacyjnych pacjentów.

W niniejszym badaniu badacze udają, że tworzą hybrydową sztuczną inteligencję. modelować za pomocą połączonej metody modelowania statystycznego dla pierwszego prototypu algorytmu, a następnie kontynuować tworzenie algorytmu uczenia maszynowego, łącząc oba algorytmy w celu uzyskania lepszej dokładności i skuteczności.

W przypadku pierwszego algorytmu z modelowaniem statystycznym badacze udają, że uzyskali reprezentatywną próbkę z różnymi typami udaru niedokrwiennego, dopóki badacze nie zbiorą 50 obrazów, informacji klinicznych i odpowiedniej diagnozy oraz wyniku ASPECT.

Kontynuacja prospektywnego tworzenia bazy danych obrazowania tomografii komputerowej, korelacji klinicznej oraz ich odpowiedniej diagnozy i wyniku ASPECT do zasilania algorytmu uczenia maszynowego, który zwykle wymaga dużych ilości danych do szkolenia.

W przypadku obu algorytmów badacze udają, że testują je z niezależnymi oceniającymi, których wiedza specjalistyczna będzie dotyczyć chorób naczyń mózgowych, a badacze porównają wyniki algorytmu A.I. system z diagnostyką wyspecjalizowanych ewaluatorów, w celu kalibracji punktów odcięcia algorytmu w celu uzyskania maksymalnej zgodności.

INFRASTRUKTURA

Do opracowania tego protokołu badacze udają, że korzystają z obiektów Wydziału Neuronauk z Centrum Nauk o Zdrowiu Uniwersytetu Guadalajara „CUCS”. Gromadzenie zdjęć zostanie wykonane we współpracy z Departamentem Radiologii "Hospital Civil de Guadalajara, Fray Antonio Alcalde" i "Hospital Civil de Guadalajara, Juan I. Menchaca".

Ocena obrazów zostanie przeprowadzona we współpracy z Oddziałem Neurologii „Hospital Civil de Guadalajara, Fray Antonio Alcalde”.

Stworzenie AI Algorytm zostanie wykonany we współpracy z Uniwersyteckim Centrum Inżynierii i Nauk Ścisłych (CUCEI) z University of Guadalajara, na wydziale nauk obliczeniowych CUCEI.