A mesterséges intelligencia felismeri a pulmonalis nodulusokat a mellkas röntgenen

Közösségek - Mellkas | 2019. szeptember 29. 19:28 | Utolsó módosítás dátuma - 2021. június 27. 10:01 | Forrás: https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=126531

Egy a mesterséges intelligencián (AI) alapuló számítógépes detektaló (CAD) szoftveralkalmazás képes gyorsan és pontosan felismerni a pulmonalis nodulusokat a mellkas röntgenfelvételen, amely szolgálhat triage ként, vagy másod leletezési eszközként a radiológusok számára, jelent meg a Clinical Radiology szeptember 11-ei online kutatásában

A mesterséges intelligencia felismeri a pulmonalis nodulusokat a mellkas röntgenen

Miután retrospektív módon értékelt a mély tanuláson alapuló szoftveralkalmazás 100 beteg esetében, a kutatók egy csoportja, a tajvani Tajpejben található Yang-Ming Nemzeti Egyetemen C.H. Liang vezetésével megállapította, hogy a görbe alatti terület (AUC) legfeljebb 0,916. Sőt, a szoftver kevesebb, mint két perc alatt dolgozta fel a röntgenfelvételeket.

"A szoftver eredményesen felhasználható az összes mellkasi röntgenfelvétel automatikus értékelésére. A mély tanulás különböző algoritmusokkal történő végrehajtása elősegítheti a radiológusok orvosi képalkotás ellátásának javítását" - írta a kutató csoport.

A kutatók a mellkasröntgen értékelő, diagnosztikai teljesítményét kívánta értékelni, amelyet a QUIBIM spanyol szoftverfejlesztő készített. Először 100 beteg adatát gyűjtötték ki a tajvani Kaohsiung Veterán Általános Kórházból. A 100 beteg közül 47-nél volt klinikailag szignifikáns tüdőnodulus vagy térfoglalás, 53-ban pedig kontroll alany volt pulmonalis nodululusok nélkül. A vizsgálat során mellkas röntgenfelvételeket használtak, postoanterior nézetben, a radiográfiás eredményeket CT vizsgálattal validálták.

A mellkasröntgen-értékelő négy különféle mélytanulási algoritmust tartalmaz:

•              Hőtérkép-algoritmus, amelynek célja a röntgen leginkább rendellenes régióinak kiemelése

•              Csomóponti valószínűségi algoritmus

•              Térfoglalás valószínűségi algoritmus

•              Rendellenesség valószínűségi algoritmus

 A kutatók külön kiszámították a tüdőnodulusok azonosítására szolgáló mind a négy algoritmus teljesítményét. A térfoglalás valószínűség algoritmus adta a legjobb teljes teljesítményt.

 

Mellkasröntgen-értékelő teljesítménye a tüdőnodulusok detektálására a mellkas röntgenfelvételeken

 

Hőtérkép algoritmus

Rendellenesség valószínűségi algoritmus

Nodulus valószínűség algoritmus

Tömeg valószínűségi algoritmus

Érzékenység

38,3%

74,5%

85,1%

76,6%

Specificitás

98,1%

81,1%

64,2%

88,7%

A görbe alatti terület

0,682

0,810

0,813

0.916

Ezenkívül a szoftver átlagos képfeldolgozási ideje esetenként 94,07 ± 16,54 másodperc volt.

A kutatók megjegyezték, hogy az algoritmusok mindegyike különböző előnyökkel jár. Például a hőtérkép algoritmusnak volt a legmagasabb specificitása. Liang és munkatársai szerint a radiológusok a mellkasröntgen-értékelőn keresztüli különféle mélytanulási algoritmusok megvalósításával, csökkenthetik a hibákat szelektív kettős leletezéssel.

"Ezeknek a különféle algoritmus stratégiáknak a felhasználásával a mély tanuláson alapuló algoritmus potenciálisan segítséget nyújthat a radiológusoknak a mellkas röntgenfelvételek tüdőnodulusainak felfedezésében, miközben minimalizálja mind a fals pozitív, mind a fals negatív eredményeket." "Ezek az algoritmusok támogathatják a radiológiai munkafolyamatot azáltal, hogy megjelölik a gyanús eseteket, amelyek prioritást élveznek a radiológiai munkalistán, hogy azok kerüljenek először áttekintésre

A kutatók szerint a korai figyelmeztetési pontokon alapuló figyelmeztetést be lehet építeni a jelentési rendszerbe a munkafolyamat korszerűsítése érdekében. A radiológusok ezután nagyobb figyelmet szentelhetnek a magasabb valószínűségű ponttal rendelkező röntgenfelvételeknek, miközben magabiztosan kizárják az alacsonyabb valószínűségi pontszámú mellkasi filmek sérüléseit.

"Összefoglalva: a mély-tanuláson alapuló CAD rendszerek valószínűleg létfontosságú szerepet fognak játszani a mellkas röntgenfelvételeken a tüdőnodulusok / térfoglalások korai felismerésében és diagnosztizálásában" - írták a szerzők. "A jövőbeli alkalmazásban ezek az algoritmusok támogathatják a triage munkafolyamatát kettős leletezéssel, hogy ezzel is javítsák az érzékenységet és a specificitást a diagnosztikai folyamat során."

Referálta: Tarpai Petra

DE-KEK Központi Radiológia Diagnosztika

További cikkek

Tüdőfibrózis kialakulásának előrejelzése COVID-19 pneumonia kórházi kezelése után vékonyszeletes CT-vizsgálattal és klinikai eltérések felhasználásával

Közösségek - Mellkas

2021. március 15. 09:15

2019-ben az új típusú koronavírus (COVID-19) által okozott tüdőgyulladással járó járvány Wuhanban (Kína) tört ki, és 2 hónap alatt a teljes országban elterjedt. Kínában a járvány jelenleg csillapodni látszik, azonban máshol jelentős lendületet vett. Az európai országok ( Olaszország, Spanyolország, Németország, Franciaország), az Egyesült Államok, Irán és Dél-Korea a járvány által okozott hatalmas kihívásokkal néznek szembe. A WHO a COVID-19 fertőzést 2020.03.11-én hivatalosan is pandémiának minősítette. Kínában március 24-én 81 767 COVID-19 pneumonias beteget tartottak nyilván, melyből 3283-an elhunytak. A számok dramatikusan nőnek és már több mint 195 országban jelen van a vírus. A COVID-19 elsősorban légzőszervi megbetegedést okoz, mely a kisebb megfázástól a súlyos betegségig terjedhet, mint például a súlyos akut légzőszervi szindróma (SARS), és a közel-keleti légúti szindróma (MERS). A SARS-tól eltérően, mely gyakran súlyos klinikai tünetekkel és magas halálozási arányokkal jár, a COVID-19 fertőzést enyhébb tünetek kísérik és megfelelő kezeléssel nagyobb arányban felépülnek belőle. A megfertőződött pneumoniasok 5 %-a intenzív osztályos felvételre került, melyből 2,3 %-uk invazív lélegeztető terápiában részesült, és 1,4 %-uk elhunyt. A betegség lefolyása vékonyszeletes mellkas CT-vizsgálattal jól követhető. Radiológiai eltérései elsősorban a tejüveghomály (GGO), a crazy paving mintázat, és a konszolidáció. Sokszor az elbocsátást követően CT eltérés nem volt kimutatható, azonban mégis többször a követés során reziduális parenchymás rendellenességeket tapasztaltak. Kevésbé egyértelmű, mely betegcsoportok érintettek gyakrabban a tüdőfibrózis kialakulásával. A tanulmányban a klinikai jellemzők és egyidejűleg a CT-vizsgálatok elemzésével a pulmonalis fibrosis prediktív faktorait próbálták azonosítani.