Mesterséges intelligenciával a felesleges biopsziák megelőzéséért

Hírek - RSNA2018 | 2018. december 09. 08:07 | Utolsó módosítás dátuma - 2019. július 17. 11:06 | Forrás: AuntMinnie referáló - dr. Oláh Márton

Egy mesterséges intelligencia algoritmus pontosan meghatározza, hogy egy pajzsmirigy göb malignus-e, ezzel segítve a feleslegesen elvégzett biopsziák számának csökkentésében, hangzott el az Észak-Amerikai Radiológiai Társaság (RSNA) kongresszusán a múlt héten.

Mesterséges intelligenciával a felesleges biopsziák megelőzéséért

A mélytanulási modellt egy multidiszciplináris team „tanította be”, mely a malignus göbök 95%-át felismeri és ezzel potenciálisan egyharmadával csökkentheti a vékonytű-biopsziák, angolul FNAB-k (Fine Needle Aspiration Biopsy) számát.

„A mesterséges intelligencia pontosan felismeri a malignus göböt és megvan a potenciálja, hogy csökkentse az FNA-biopsziák számát.” - mondta Ian Pan, a providence-i Warren Alpert Medical School orvostanhallgatója.

Felesleges biopsziák
„A pajzsmirigy göbök nagyon gyakoriak, és legtöbbjük jóindulatú. Ezenfelül a pajzsmirigy daganatok általában indolensek és lassan növekednek.”- nyilatkozta Pan. Az amerikai radiológiai kollégium (American College of Radiology) az ún. TI-RADS-t (Thyroid Imaging Reporting and Data System) a feleslegesen elvégzett pajzsmirigy biopsziák számának csökkentésére fejlesztették ki. A TI-RADS pontszám a nodulusok ultrahangos tulajdonságaiból és a göbök méretéből származik, melyet radiológus határoz meg. A pontszám nyilatkozik a göb malignitási valószínűségéről, valamint segítségével eldönthető, hogy az adott nodulusból érdemes-e mintát venni.

„A TI-RADS pont alkalmazása ellenére is sok az olyan göb, melyből mintát véve végül kiderül, hogy szövettanilag jóindulatúak.”- mondta Pan, majd hozzátette: „A mesterséges intelligenciát szerettük volna eszközül használni a felesleges FNAB-k számának csökkentésére.”

A kutatók 151 rosszindulatú és 500 jóindulatú pajzsmirigygöb ultrahangos adatait gyűjtötték össze a Washington University Medical Centerben, St. Louisban. Mindegyik ultrahangos képet Logiq E9 készülékkel készítették, lineáris transzducerrel. Minden egyes csomóról két nézet készült: egy transzverzális és egy szagittális, összesen 1302 kép. A képekből ezután manuálisan vágták ki a pajzsmirigy göböket, és a képek méretét 224x224 pixelre alakították. „Úgy gondoltuk, hogy a nodulusok kivágásával tovább növelhetjük azok felbontását az algoritmus számára.” - mondta Pan.

A kutatók két különböző mesterséges neurális hálózatot tanítottak és teszteltek. Az egyik egy MobileNet alapú program, melyet eredetileg telefonos alkalmazások használnak, a másik pedig ResNet 50 CNN (Convolutional Neural Network) alapú. A MobileNet CNN 3,2 millió paraméteren alapszik, míg a ResNet 50 CNN 23,6 millión.

„Kíváncsiak voltunk, hogy egy mobiltelefonokra kifejlesztett „egyszerűbb” mesterséges idegi hálózat lehet-e olyan hatékony, mint egy komolyabb modell.” – mondta – „Amennyiben igen, az előrelendítheti a mesterséges intelligencián alapuló applikációk mobil képalkotók általi alkalmazását.” A kutatók a modellek értékelésére ún. tízszeres keresztvalidációt alkalmaztak. Az adathalmaz 80%-át a modellek tanítására, 10%-át pedig validálásra használták. A maradék 10%-on végezték el a tesztet.

A validálási eljárás során a három legjobban teljesítő modellből egy ún. modell-csomagot hoztak létre. Minden göb szagittális és transzverzális nézetét is értékelte a háromtagú modellcsoport, ez összesen hat vizsgálatot jelentett esetenként. A vizsgálat eredményeként egy pajzsmirigy göb tehát hat pontszámot kapott, mely pontszámok összegét átlagolva jött ki a végleges malignitási TI-RADS pont.

A kutatók úgy találták, hogy a legpontosabb eredmények akkor születtek, amikor mind a szagittális, mind pedig a transzverzális nézeteket megvizsgálta a modell-együttes. Ezen felül pedig az eredmények alapján az tűnt fel, hogy a MobileNet felülmúlta a nála nagyobb és komolyabb ResNet modellt.

„A MobileNet CNN a kutatás alapján kb. 36%-kal csökkenthetné a negatív FNA-biopsziák számát, mindeközben megtartaná 95%-os szenzitivitását.” - mondta Pan.
„Nem olyan rendszert akartunk létrehozni, mely az orvos helyett dönt és megmondja, hogy mikor kell a mintavétel és mikor nem. Úgy hisszük, hogy a mi modellünk inkább egy kockázatbecslő eszköz kellene hogy legyen, amely extra infromációt nyújt, hogy segítsen a klinikusnak eldönteni, hogy szükséges-e az vékonytű-aspirációs mintavétel” – jegyezte meg az orvostanhallgató.
A jövőben a kutatók más intézetek független mintáin szeretnék kipróbálni a modellt, továbbá dolgoznak azon, hogy a pajzsmirigy göbök kivágását automatizálják, valamint hogy a program automatikusan hozzárendelje az esethez a TI-RADS számot. Ezenfelül szeretnék összehasonlítani az algoritmust a radiológusok TI-RADS értékelésével, valamint továbbvizsgálnák a TI-RADS teljesítményét a mesterséges intelligenciával kombinálva.

„Jelenleg azon vagyunk, hogy nyíltan elérhetővé tegyük a modellt.” – zárta szavait Pan, aki kutatásáért „RSNA's Trainee Research Prize” elismerében részesült, orvostanhallgató kategóriában.

Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&itemId=123758 

További cikkek