Conversão de imagens de ultrassom para imagens em formato de TC usando aprendizado baseado em inteligência artificial

Antecedentes e justificativa do experimento médico:

A ultrassonografia é um método de imagem que utiliza ondas sonoras para caracterizar a estrutura e a função de vários órgãos em condições de saúde e doença. Esta técnica é amplamente utilizada na vida clínica diária e tem muitos benefícios. O exame não envolve o uso de radiação ionizante, por isso seu uso é mais seguro do que outras técnicas como raios X ou tomografia computadorizada (tomografia computadorizada). As imagens adquiridas e visualizadas no aparelho de ultrassom são em tempo real, podendo ser identificadas alterações que, em muitos casos, prejudicam o diagnóstico final. O teste não é invasivo, nem requer o uso de um agente de contraste que contenha substâncias que possam causar uma reação alérgica ou prejudicar a função renal. Além disso, o equipamento está amplamente disponível e também pode ser usado à beira do leito. Além das vantagens mencionadas, o teste de ultrassom também apresenta desvantagens notáveis. As ondas de ultrassom não penetram bem nos ossos ou no ar, prejudicando a qualidade do teste. Além disso, o método é altamente dependente da habilidade do operador, portanto, é necessária uma experiência substancial para produzir informações de qualidade suficientes e fazer um diagnóstico preciso. A qualidade do teste também depende da cooperação do sujeito durante o teste, como mudanças na postura e respiração profunda.

Em comparação com o exame de ultrassom, a tomografia computadorizada permite uma visão anatômica mais ampla e não é limitada por fatores fisiológicos, como ossos e ar. As deficiências mais notáveis ​​da tomografia computadorizada incluem o fato de que o teste requer radiação ionizante que inevitavelmente carrega um perigo direto e indireto para a saúde do paciente. Além disso, o teste requer mais recursos financeiros e em termos de mão de obra, o que é uma limitação para sua utilização fora do hospital ou em países com baixo nível socioeconômico.

Neste estudo, os pesquisadores pretendem preencher a lacuna entre esses dois tipos de técnicas e criar um sistema uniforme que tire proveito de ambos. Isso é feito criando imagens de TC a partir de imagens de ultrassom. Este processo envolverá a utilização de métodos de inteligência artificial, nomeadamente algoritmos de aprendizagem automática.

O aprendizado de máquina em geral, e o aprendizado profundo em particular, ganharam força nos últimos anos no campo da visão computacional e, mais recentemente, também no campo da imagiologia médica. Além disso, já se observam sucessos significativos na classificação de doenças da retina, em que o sensor é uma câmera de fundo ou Tomografia de Coerência Óptica (OCT), na classificação de classificações em imagens de ressonância magnética da mama 3 e, mais recentemente, em a classificação da gravidade da doença causada pelo vírus Corona, por meio de radiografia de tórax e ultrassonografia.

O aprendizado de máquina inclui duas fases. Na primeira fase, o algoritmo treina em dados marcados, usando arquiteturas e funções de destino, que permitem alcançar alta precisão. Na segunda etapa, os investigadores testarão o algoritmo para dados que ainda não foram observados. Deve-se notar que uma grande quantidade de dados marcados pode ser muito útil no desenvolvimento do algoritmo, mas, ao mesmo tempo, pode ser difícil produzir dados marcados e pode ser um processo longo e caro. Portanto, os investigadores utilizarão abordagens não supervisionadas ou semi-supervisionadas.

Objetivos da pesquisa médica: Fornecer informações ultrassonográficas e radiográficas a um sistema de inteligência artificial com a finalidade de criar imagens de TC a partir de imagens de ultrassom, a fim de permitir uma melhor orientação espacial, bem como uma melhor caracterização das estruturas anatômicas digitalizadas.

Tipo de estudo: Um estudo prospectivo, aberto, no qual tanto o médico quanto o paciente estão cientes da maneira e dos objetivos do exame.

Procedimento experimental: Os participantes que atenderem aos critérios do estudo serão submetidos a uma ultrassonografia completa dos órgãos abdominais usando um aparelho de ultrassom clínico no Imaging Institute do centro médico Haemek. A duração estimada do exame é de 20 minutos. As imagens de ultrassom serão visualmente acopladas a imagens tomográficas anteriores do mesmo paciente no momento do exame, por meio de um sistema Fusion localizado no aparelho de ultrassom citado acima.

Observe que, se o participante veio para um exame de ultrassom clínico que deveria ocorrer de qualquer maneira, ele passará no exame clínico como de costume e, em seguida, passará separadamente pelo exame descrito acima como parte do estudo.

As imagens acopladas de TC e ultrassom serão codificadas e enviadas ao laboratório SAMPL do instituto Weizmann, onde as imagens servirão como plataforma de aprendizado para o sistema de inteligência artificial. As imagens serão transferidas somente após os dados pessoais do sujeito terem sido codificados em um arquivo EXCEL e salvos pelo investigador principal. Apenas o pesquisador principal e os pesquisadores secundários serão expostos a informações pré-codificadas, que serão armazenadas em um computador dedicado no pesquisador principal, protegido por senha.

As informações codificadas coletadas serão repassadas continuamente durante a pesquisa ao Instituto Weizmann, a fim de garantir uma boa aquisição das informações e a possibilidade de feedback em tempo real ao pesquisador principal em prol da aquisição de informações de melhor qualidade que possibilitem a análise dos dados.

Em qualquer futura aplicação do laboratório SAMPL para obter detalhes sobre os participantes, este deverá entrar em contato com o número de série quando a chave de codificação estiver exclusivamente no local clínico (Hospital Haemek). O laboratório SAMPL do Instituto Weizmann não será exposto de forma alguma e em nenhum estágio do experimento a informações de identificação sobre os participantes.

Monitoramento dos participantes e relatórios de achados médicos

Se achados médicos inesperados importantes para a saúde do paciente forem descobertos durante o estudo, é responsabilidade do investigador principal transferi-los para o médico assistente sem demora para acompanhamento e tratamento adicionais conforme necessário pelo atendimento médico padrão. Os participantes não serão acompanhados após o exame experimental como parte do ensaio clínico.