Komplex, röntgen alapú szummációs, valamint rétegfelvételeken futó mellkas-diagnosztikai döntéstámogató rendszer kutatása és fejlesztése.
2019.08.23
Semmelweis Egyetem Pulmonológiai Klinika, Innomed Medical Zrt.
Körülmények
A konkrét kutatási tevékenységet több időszakban, több modalitáshoz kapcsolódóan végeztük. A kutatás első időszakában (2008 és 2011 közötti) a KMOP-1.1.1-07/1-2008-0035 projekt alvállalkozójaként szummációs mellkas röntgenfelvételeket elemző, míg a második fázisában (2013 és 2015 között a KMR_12-2012-0122 pályázat finanszírozásában) digitális tomoszintézis rétegfelvételeket elemző, mesterséges intelligencián alapuló, komplex orvosi döntéstámogató rendszert fejlesztettünk (CADe, és CADx rendszerek) ki.
Kihívás
A mellkas (kiváltképp a tüdő) daganatos megbetegedései gyakori halálozási oknak tekinthetőek. Bár az utóbbi időben csökkent a tüdőrák mortalitási rátája, azonban a folyamatosan növekvő incidenciája, valamint agresszív viselkedése miatt népegészségügyi szempontból kritikus a korai stádiumban történő felismerése. Napjainkban széleskörűen alkalmazott projekciós mellkasröntgen felvételek esetén ennek a lehetősége igencsak korlátos, hiszen a vizsgált, komplex struktúra sok szövetének röntgen árnyéka vetül a keletkező kép egy-egy pixelére. Mivel ezen képek elemzése egyébként is nagy alaposságot és pontosságot igénylő, monoton munka, ezért jelentős segítséget nyújthatnak olyan eszközök, melyek erre automatikusan képesek. Digitális tomoszintézis esetén egy rétegfelvételi eljárás által rekonstruált térfogatot kapunk, viszont ennek a rekonstrukciónak a felbontása erősen anizotropikus, mely nemzetközi tanulmányokkal is alátámasztva, humán értékelés esetén gyakran fals negatív mintákat eredményez. Éppen ezért, ehhez a modalitáshoz is kutattuk az automatikus döntéstámogatás lehetőségeit, eszközeit.
Megoldás
A projekt során elkészült orovosi döntéstámogató rendszer mind detekciót segítő (CADe), mind detektált, esetleg már követett elváltozásokhoz kapcsolódó döntéstámogató (CADx) funkcióval rendelkezik. A problémák megoldásaként komplex, nagy bonyolultságú szakértői és mesterséges intelligencia (kiváltképpen gépi tanulás) módszerein alapuló hibrid rendszereket készítettünk. A rendszerek mind a két modalitás esetén automatikusan elemzik a tüdőről / mellkasról készült felvételeket, rajtuk daganatos elváltozásokat keresve.
Hatások, eredmények
A tervezett és kifejlesztett módszerek lehetővé teszik a kritikus fontosságú, orvosi diagnosztikai eljárások támogatását, a szakorvosok monoton munkában történő segítését, mely elősegíti a daganatos megbetegedések korai felismerését, ezáltal javítva a páciens várható túlélési esélyeit. A kutatás során számos nemzetközi konferenciacikk, folyóiratcikk, valamint egy szabadalom is született (P1500360/11). A hagyományos, PA mellkasröntgenhez készült diagnosztikai döntéstámogató rendszer beépítésre került az Innomed Medical PiPACS szoftverében, mely kereskedelmi forgalomban megvásárolható.