Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

il sistema AI guidato per automaticamente la rilevazione delle anomalie sulla risonanza magnetica cerebrale ha potuto accelerare la cura

Da un sistema guidato da intelligenza artificiale che si pettina automaticamente con le risonanze magnetiche cerebrali per le anomalie potrebbe accelerare la cura a coloro che la ha bisogno più, secondo uno studio pubblicato in radiologia: Intelligenza artificiale.

MRI produce le immagini dettagliate del cervello che aiutano i radiologi a diagnosticare le vari malattie e danno dagli eventi come un colpo o una lesione alla testa. Il suo uso aumentante piombo all'immagine un sovraccarico che presenta un bisogno urgente per il flusso di lavoro radiologico migliore. L'identificazione automatica dei risultati anormali nelle immagini mediche offre una soluzione potenziale, permettendo alla cura paziente migliore ed allo scarico paziente accelerato.

“C'è un numero aumentante di MRIs che è eseguito, non solo nell'ospedale ma anche per i pazienti esterni, così c'è una necessità reale di migliorare il flusso di lavoro della radiologia,„ ha detto il co-cavo di studio Romane Gauriau autore, il Ph.D., l'ex scienziato di apprendimento automatico al policlinico e a Brigham di Massachusetts ed il centro dell'ospedale delle donne per scienza clinica di dati a Boston. “Un modo di fare quello è di automatizzare alcuno del trattamento ed anche di aiutare il radiologo a dare la priorità agli esami differenti.„

Il Dott. Gauriau, con co-cavo autore Bernardo C. Bizzo, M.D., Ph.D. e colleghi ed in società con america SA (DASA) di Diagnosticos da, una società medica di sistemi diagnostici nel Brasile, ha messo a punto un sistema automatizzato per la classificazione delle scansioni di risonanza magnetica cerebrale come “probabilmente il normale„ o “anormale probabile.„ L'approccio conta su una rete neurale dell'avvolgimento (CNN), un tipo specializzato di AI che permette che il modello impari direttamente dalle immagini.

I ricercatori hanno preparato e convalidato l'algoritmo su tre grandi gruppi di dati che ammontano a più di 9.000 esami raccolti dalle istituzioni differenti su due continenti differenti.

In prova preliminare, il modello ha mostrato relativamente la buona prestazione per differenziare gli esami anormali normali o probabili probabili. Provando su un gruppo di dati di convalida acquistato ad un periodo di tempo differente e da un'istituzione differente che i dati usati per preparare l'algoritmo hanno evidenziato la capacità di generalizzazione del modello. Un tal sistema ha potuto essere usato come strumento della valutazione, secondo il Dott. Gauriau, con il potenziale di migliorare il flusso di lavoro della radiologia.

“Il problema che stiamo provando ad affrontare è molto, molto complesso perché c'è una varietà enorme di anomalie su MRI,„ lei ha detto. “Abbiamo indicato che questo modello sta promettendo abbastanza per cominciare valutare se può essere utilizzato in un ambiente clinico.„

I simili modelli sono stati indicati per migliorare significativamente il tempo complessivo per l'identificazione delle anomalie nella testa CTs e nella radiografia del torace. Il nuovo modello ha il potenziale più ulteriormente di avvantaggiare la cura di paziente esterno identificando i risultati fortuiti. Un'individuazione di caso fortuito è un'anomalia relativa alla ragione che il medico ha ordinato la prova.

Dica che siete caduto e colpito la vostra testa, quindi siete andato all'ospedale ed hanno ordinato una risonanza magnetica cerebrale. Questo algoritmo potrebbe individuare se avete trauma cranico a partire dalla caduta, ma può anche individuare un'individuazione inattesa quale un tumore cerebrale. Avere quell'abilità ha potuto realmente contribuire a migliorare la cura paziente.„

Dott. Romane Gauriau, autore del Co-Cavo di studio

Il lavoro era il primo del suo genere per fare leva un grande e clinicamente gruppo di dati pertinente e per usare i dati completi del volume MRI per individuare l'anomalia globale del cervello. I punti seguenti nella ricerca comprendono la valutazione l'utilità del modello e del valore clinici di potenziale per i radiologi. I ricercatori egualmente vorrebbero svilupparlo oltre gli output binari “probabilmente del normale„ o “di anormale probabile.„

“Questo modo potremmo non solo avere i risultati binari ma forse qualcosa caratterizzare meglio i tipi di risultati, per esempio, se l'anomalia è più probabile essere collegata con il tumore o ad infiammazione,„ di Dott. Gauriau abbiamo detto. “Potrebbe anche essere molto utile per gli scopi educativi.„

Ulteriore valutazione è corrente in corso in un ambiente clinico controllato nel Brasile con i collaboratori della ricerca da DASA.

Source:
Journal reference:

Gauriau, R., et al. (2021) A Deep Learning-Based Model for Detecting Abnormalities on Brain MRI for Triaging: Preliminary Results from a Multi-Site Experience. Radiology: Artificial Intelligence. doi.org/10.1148/ryai.2021200184.