Oamenii de stiinta pregatesc algoritmi de invatare profunda pentru a clasifica leziunile mamare din imagini ecografice intr-un studiu mare cu mai multe centre

Ecografia este un instrument de diagnostic nepretuit pentru depistarea precoce a cancerului de san, dar clasificarea leziunilor este uneori provocatoare si necesita mult timp. Poate inteligenta artificiala sa detina raspunsul la rezolvarea acestor probleme?

In 2020, Agentia Internationala pentru Cercetarea Cancerului a Organizatiei Mondiale a Sanatatii a declarat ca cancerul de san reprezinta cele mai multe morbiditati si mortalitati cauzate de cancer la femeile din intreaga lume. Aceasta statistica alarmanta nu numai ca necesita metode mai noi pentru diagnosticarea precoce a cancerului de san, dar scoate la lumina si importanta prezicerii riscului de aparitie si dezvoltare a acestei boli. Ecografia este o procedura de diagnostic eficienta si neinvaziva care salveaza cu adevarat vieti; cu toate acestea, uneori este dificil pentru ecografisti sa faca distinctia intre tumorile maligne si alte tipuri de cresteri benigne. In special, in China, masele mamare sunt clasificate in patru categorii: tumori benigne, tumori maligne, mase inflamatorii si adenoza (marirea glandelor producatoare de lapte). Atunci cand o masa benigna a sanului este diagnosticata gresit ca o tumoare maligna, urmeaza de obicei o biopsie, care pune pacientul la un risc inutil. Interpretarea corecta a ecografiilor este ingreunata si mai mult atunci cand se ia in considerare volumul mare de munca al specialistilor medicali.

Ar putea algoritmii de invatare profunda sa fie solutia la aceasta enigma? Profesorul Wen He, M.D., (Spitalul Beijing Tian Tan, Universitatea Medicala Capitala, China) este de parere. "Inteligenta artificiala este buna la identificarea tiparelor complexe din imagini si cuantificarea informatiilor pe care oamenii le intampina cu dificultate in detectarea acestora, completand astfel luarea deciziilor clinice", afirma el. Desi s-au inregistrat progrese semnificative in integrarea algoritmilor de invatare profunda in analiza imaginii medicale, majoritatea studiilor cu ecografii mamare se refera exclusiv la diferentierea diagnosticelor maligne si benigne. Cu alte cuvinte, abordarile existente nu incearca sa clasifice masele mamare in cele patru categorii mentionate mai sus.

Pentru a face fata acestei limitari, He, in colaborare cu oameni de stiinta din 13 spitale din China, a realizat cel mai mare studiu multicentric cu ecografii mamare, in incercarea de a antrena retelele neuronale convolutionale (CNN) pentru a clasifica imaginile ecografice. Dupa cum este detaliat in lucrarea lor publicata in Chinese Medical Journal, oamenii de stiinta au colectat 15.648 de imagini de la 3.623 de pacienti si au folosit jumatate dintre acestia pentru antrenament si cealalta jumatate pentru a testa trei modele CNN diferite. Primul model a folosit doar imagini de intensitate a ecografiilor 2D ca intrare, in timp ce al doilea model a inclus si imagini Doppler cu flux de culoare, care ofera informatii despre fluxul sanguin din jurul leziunilor mamare. Al treilea model a adaugat in continuare imagini Doppler cu unda pulsata, care furnizeaza informatii spectrale pe o anumita zona din cadrul leziunilor.

Fiecare CNN consta din doua module. Primul, modulul de detectare, continea doua submodule principale a caror sarcina generala era de a determina pozitia si dimensiunea leziunii mamare in imaginea ecografica 2D originala. Al doilea modul, modulul de clasificare, a primit doar portiunea extrasa din imaginile cu ultrasunete care contin leziunea detectata. Stratul de iesire continea patru categorii corespunzatoare fiecareia dintre cele patru clasificari ale maselor mamare utilizate in mod obisnuit in China.

In primul rand, oamenii de stiinta au verificat care dintre cele trei modele au avut performante mai bune. Precizia a fost similara si in jur de 88%, dar cel de-al doilea model, care include imagini 2D si date Doppler cu flux de culoare, a functionat putin mai bine decat celelalte doua. Motivul pentru care datele Doppler cu unda pulsata nu au contribuit pozitiv la performanta poate fi faptul ca putine imagini cu unde pulsate erau disponibile in ansamblul de date. Apoi, cercetatorii au verificat daca diferentele de dimensiune a tumorii au cauzat diferente de performanta. In timp ce leziunile mai mari au dus la o precizie crescuta in tumorile benigne, dimensiunea nu pare sa aiba un efect asupra preciziei la detectarea tumorilor maligne. In cele din urma, oamenii de stiinta au pus la incercare unul dintre modelele lor CNN, comparand performanta sa cu cea a 37 de ultrasonologi experimentati care folosesc un set de 50 de imagini selectate aleatoriu. Rezultatele au fost in mare masura in favoarea CNN din toate punctele de vedere, asa cum a remarcat el. „Precizia modelului CNN a fost de 89,2%, cu un timp de procesare mai mic de doua secunde. In schimb, precizia medie a ultrasonologilor a fost de 30%, cu un timp mediu de 314 secunde. "

Acest studiu prezinta in mod clar capacitatile algoritmilor de invatare profunda ca instrumente complementare pentru diagnosticarea leziunilor mamare prin ecografii. Mai mult, spre deosebire de studiile anterioare, cercetatorii au inclus date obtinute folosind ecografe de la diferiti producatori, ceea ce sugereaza aplicabilitatea remarcabila a modelelor CNN instruite, indiferent de ecografele prezente la fiecare spital. In viitor, integrarea inteligentei artificiale in procedurile de diagnostic ecografice ar putea accelera depistarea precoce a cancerului. Ar aduce, de asemenea, alte beneficii, dupa cum explica dr. El: „Deoarece modelele CNN nu necesita niciun tip de echipament special, recomandarile lor de diagnostic ar putea reduce biopsiile predeterminate, simplifica volumul de lucru al ultrasonologilor si ar permite un tratament tintit si rafinat”.

Sa speram ca inteligenta artificiala va gasi in curand o casa in diagnosticarea imaginilor ecografice, astfel incat medicii sa poata lucra mai inteligent, nu mai greu.

Sursa: itonline.com

Nu ezitati sa vizitati gama completa de ecografe care le punem la dispozitia dumneavostra, Philips, Samsung, GE! https://shop.sammedical.ro/ecografe