Mesterséges intelligenciával a gadolínium mennyiségének csökkentéséért

Hírek - RSNA2018 | 2018. november 29. 06:20 | Utolsó módosítás dátuma - 2019. január 23. 22:08 | Forrás: RSNA sajtóanyag - dr. Oláh Márton

Kutatók mesterséges intelligenciát alkalmaznak gadolínium tartalmú kontrasztanyag dózisának csökkentésére, mely MR vizsgálatok során lerakódhat a páciensek szervezetében - derült ki egy kutatásból melyet az Észak-Amerikai Radiológus Társaság (RSNA) konferencián mutattak be.

Mesterséges intelligenciával a gadolínium mennyiségének csökkentéséért

A gadolínium egy nehézfém, melyet kontrasztanyagként használnak MR vizsgálatokban. Korábbi tanulmányok úgy találták, hogy a gadolínium nyomokban lerakódik a vizsgált személyekben bizonyos kontrasztanyagok esetén. Ezen lerakódások hatásai még nem ismertek, de a radiológusok azon dolgoznak, hogy a kontrasztanyag dózisának csökkentésével optimalizálják a betegbiztonságot, miközben megőrzik azon fontos információkat, melyeket a gadolíniumos MRI vizsgálatok tartalmaznak.

"Konkrét bizonyíték van arra, hogy a gadolínium lerakódik az agyban és a testben" nyilatkozta a tanulmány első szerzője, Enhao Gong, a Stanford Egyetem kutatója. "Ugyan a lerakódás következményei még nem tisztázottak, mégis, a potenciális kockázatok csökkentése és mellette az MRI vizsgálatok klinikai értékének maximalizálása a legfontosabb."

Dr. Gong és kollégái a Stanford Egyetemen mély tanulás algoritmust ("deep learning") alkalmaztak e célt eléréséhez. A deep learning egy szofisztikált mesterséges intelligencia-technika, mely példákon keresztül tanít számítógépeket. A neurális hálózati modellek használatával a számítógép nemcsak felismeri a képeket, de olyan apróbb eltéréseket is detektál közöttük, amit a leletező orvos talán nem is lenne képes.

A deep learning algoritmusok tanítására a kutatók 200 beteg MRI anyagát használták, akik különböző indikációval gadolíniumot tartalmazó kontrasztanyagos MR vizsgálaton estek át. Minden egyes pácienshez három felvételsorozatot választottak ki: egy kontrasztanyag beadása előtt készült felvételt amire zéró-dózis felvételként hivatkoznak, egy alacsony-dózisú felvételsorozat, mely a kontrasztanyag 10%-ának beadása után készült, valamint teljes dózis felvételsorozat, mely a kontrasztanyag 100%-ának beadása után készült.

Az algoritmus képes volt a zéró illetve alacsony dózisú felvételekből a teljes dózisú felvételekhez hasonló minőségű képeket kreálni, melyek minőségét neuroradiológusok értékelték.

Az eredmények azt mutatták, hogy a képminőség nem különbözött szignifikánsan az alacsony kontrasztanyag-dózisú, algoritmus által feldolgozott, illetve a teljes kontrasztanyag-dózisú MRI felvételek között. A kezdeti eredmények alapján a kutatók potenciált látnak a teljes dózisú kontrasztanyaggal történő vizsgálattal megegyező minőségű képek létrehozására, kontrasztanyag használata nélkül.

"Ezen eredmények megmutatják az eljárásban rejlő lehetőséget, miszerint drámaian csökkenthető a gadolínium használat anélkül, hogy feláldoznánk a diagnosztikai minőséget"- mondta Dr. Gong. "Az alacsony gadolínium dózisú felvételek jelentős mértékű kiaknázatlan információt hordoznak magukban, melyek a deep learningnek és mesterséges intelligenciának hála, már hozzáférhetők", tette hozzá.

Most, hogy a kutatók rávilágítottak: a módszer technikailag lehetséges, szeretnék klinikai keretek között is vizsgálni, ahol Dr. Gong reményei szerint végleg otthonra lel majd.

A jövőbeni studykban az algoritmust többféle kontrasztanyaggal és többféle MR vizsgálaton tervezik majd vizsgálni.

"Nem a már jelenleg meglévő képalkotó technikákat szeretnénk helyettesíteni. Szeretnénk azokat fejleszteni és több diagnosztikus értéket kinyerni a már rendelkezésre álló információkból, miközben figyelünk pácienseink biztonságára is" - tette hozzá zárásként a Stanford Egyetem kutatója, aki itt bemutatott kutatásáért az RSNA Trainee Research díját is elnyerte.

További cikkek