Mesterséges intelligencia a tüdődaganatok hagyományos röntgen diagnosztikájának javításában

Közösségek - Mellkas | 2020. december 25. 09:47 | Utolsó módosítás dátuma - 2021. január 21. 08:06 | Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=131111

Egy mesterséges intelligencia (AI) algoritmus képes olyan tüdődaganatokat felderíteni, melyek mellkas röntgenen először elkerülték a radiológusok figyelmét, és javítja az orvosok teljesítményét, ha másodleletezőként használják, a Radiology: Cardiothoracic Imaging egyik online megjelent, december 10-i kutatása szerint.

Mesterséges intelligencia a tüdődaganatok hagyományos röntgen diagnosztikájának javításában

Egy gazdag adathalmazzal végzett tesztelés során, a Dr. Ju Gang Nam által vezetett kutatócsoport a Dél-Koreai Szöuli Nemzeti Egyetemi kórházból azt találta, hogy egy kereskedelmi deep-learning algoritmus lényegesen nagyobb érzékenységgel és specificitással dolgozott, mint négy, mellkasi területen jártas radiológus. Amikor a radiológusok másodleletezőként használták, akkor is jelentősen javította teljesítményüket.

Bár már korábban kifejlesztettek egy számítógépes diagnosztikai (CAD – computer aided diagnosis) szoftvert a mellkasröntgen-leletezés emberi hibáinak korlátozására, a kutatók szerint ezek az alkalmazások a teljesítménybeli problémák miatt a klinikai gyakorlatban nem terjedtek el széles körben.

Annak megállapítására, hogy egy deep-learning algoritmus hozhat-e jobb eredményeket, összehasonlították az Insight CXR szoftver (Lunit) 1.0.1.1 verziójának teljesítményét négy radiológuséval. A kutatás 50 átlagos mellkas röntgenből és 168 Postero-Anterior irányú mellkas felvételből álló adatot foglalt magába, 187 tüdődaganattal, melyek átlagos mérete 2.3 ± 1.2 cm volt.

A radiológusok, akik sorra 9, 6, 6 és 5 év tapasztalattal rendelkeztek, először önállóan, majd az AI segítségével vizsgálták a felvételeket.

A kutatók szerint a korábban használt CAD rendszerektől eltérően, amelyekről kimutatták, hogy gyakran fals-pozitív eredményeket produkálnak, az AI szoftver szignifikánsan magasabb specificitást mutatott (p = 0,01), mint az összevont radiológusok. A kutatók szerint ráadásul a radiológusok szignifikánsan magasabb érzékenységet (p <0,001) és specifitást (p <0,01) tapasztaltak, miután segítségükre volt az algoritmus.

Bár teljesítményük az algoritmus használata után javult, a szerzők szerint a radiológusok nem tudták elérni a szoftver önálló teljesítményszintjét. A leletezők hajlamosak voltak elkerülni a szív mögötti és rekesz mögötti gócokat.

Az alsó tüdőmezőkben több valódi gócot is figyelmen kívül hagytak, azokat mellbimbónak vagy érrendszeri árnyéknak írták le - jegyezték meg a kutatók.

"Mivel az algoritmus a kép pixelértékeit veszi figyelembe, a lágyrészek területén található denzitásbeli rendellenességeket jobban felismerheti, mint az emberi leletezők" - írták. "Ezen kívül az orvosok csak nagyobb méretű csomókat írtak le, és korlátozott mértékben vették figyelembe az egy centiméternél kisebb gócokat.”

Feltételezve, hogy az algoritmus további ellenőrzései bizonyítani fogják értékét, a pénzügyi megfontolások jelentik majd a legutolsó kihívást, amelyet le kell küzdeni, a Marylandi Orvostudományi Egyetem professzora, Dr. Charles White szerint.

"Bár a CAD-alapú rendszerek részben a szerzők által említett teljesítménybeli problémák miatt nem értek el széleskörű klinikai felhasználást, a legtöbb országban a költség visszatérítés hiánya volt hozzájáruló tényező ehhez," írta White egy kiegészítő megjegyzésben. "Ha ez az algoritmus valóban jobbnak bizonyul az alacsony fals-pozitív eredményeket leíró orvosok leletező képességénél, akkor ez egyszerűbb utat jelentene a további kutatásokba történő befektetéshez, hogy meghatározzuk ennek és más, deep-learning alapú algoritmusoknak értékét a gócok felderítésében mellkasi röntgenfelvételeknél. "

Referálta: Szabó Liza, radiográfus

DE Onkoradiológiai Klinika - Sugárterápia

További cikkek

Mellkasi kóros levegőgyülemek

Közösségek - Mellkas

2021. január 13. 20:48

A kóros levegőgyülem a mellkasban egyike a leginkább életet-veszélyeztető elváltozásoknak, melyek az intenzív terápiás osztályon előfordulnak. A betegmenedzsment különbözik attól függően, hogy hol helyezkedik el a levegőgyülem; ezért a kóros levegőgyülem detektálása, és a pontos lokalizációjának meghatározása a fekvő mellkas felvételen létfontosságú a korai terápia, és a pozitív kimenetel szempontjából. A kóros levegőgyülem sokféle mellkasi térben kialakulhat, ide tartozik a pleuraüreg, a mellkasfal, a mediastinum, a pericardium és a tüdő. A pneumothorax a fekvő mellkas felvételeken az elhelyezkedésétől függően különbözőképpen jelenhet meg. Sokféle betegség, vagy képlet képes pneumothoraxot utánozni a röntgen felvételeken, mint például a bőrredők, az interlobaris fissura, a tüdőcsúcsokban lévő bullák, az intrathoracicus extrapleuralis térben kialakult levegőgyülemek. Továbbá, a pneumopericardium hasonlíthat a pneumomediastinumra, ezért szükséges a differenciálása. Néhány betegségnek, mint az alsó tüdőszalagban kialakuló levegőgyülemnek, és a pneumatokelének, vagy a posteromedialis tében kialakult pneumothoraxnak a differenciál diagnózisa szükséges röntgenfelvétel alapján. CT elvégzése szükséges lehet a levegőgyülem lokalizálására, és a lehetséges etiológiák meghatározására, ha a diagnózis röntgen felvétel alapján nehéz. Ennek a cikknek a célja az, hogy átismételje azoknak a mellkasi tereknek az anatómiáját, ahol kóros levegőgyülem potenciálisan kialakulhat, továbbá hogy illusztrációk és kapcsolódó CT felvételek segítségével magyarázza el a kóros levegőgyülemek jellegzetes röntgendiagnosztikai megjelenéseit fekvő helyzetű betegeknél, és hogy ismertesse a differenciál diagnosztikát igénylő állapotok megkülönböztető jellemzőit. Mivel a terápia különbözik a kialakult levegőgyülem helyzetétől függően, a radiológusoknak meg kell próbálniuk pontosan felismerni, és azonosítani a helyzetét a levegőgyülemnek fekvő röntgen felvételeken.