Сочетание глубокого обучения с микро-КТ дает надежду не только на отслеживание прогрессирования заболевания легких, но и на оценку эффективности лечения.

Почему? Отчасти потому, что глубокое обучение автоматизирует фазу постобработки при анализе КТ-изображений, отметила команда под руководством Мартины Буккарди, доктора философии, из Пармского университета в Италии.

«[Микро-КТ] оказалась мощным инструментом для визуализации и точной количественной оценки динамического развития и региональной тяжести заболевания», — пишут исследователи. «Однако, чтобы в полной мере воспользоваться этим подходом, необходимо автоматизировать фазу постобработки анализа, включая сегментацию легких».

КТ является золотым стандартом для оценки заболеваний легких, а ее «миниатюрная» версия — микро-КТ — оказалась столь же эффективным неинвазивным инструментом для отслеживания прогрессирования заболевания легких и мониторинга эффективности новых препаратов для лечения легочных заболеваний в исследования мелких животных. Но для этого по-прежнему требуется ручная обработка изображений, которая может занимать не только много времени, но и зависит от капризов навыков оператора, отметила группа. Вот где на помощь приходят искусственный интеллект (ИИ) и алгоритмы глубокого обучения.

«Ручная сегментация имеет два основных недостатка, которые серьёзно препятствуют её применению к большим наборам данных: она увеличивает время постобработки до 40 минут на сканирование и подвержена смещению, зависящему от оператора», — отметили в группе. «Эти недостатки недавно были устранены путем разработки алгоритмов на основе искусственного интеллекта и глубокого обучения для автоматической сегментации легких в [животных] моделях рака легких и паренхиматозных заболеваний легких».

С помощью исследования фиброза легких, вызванного блеомицином, на мышах исследователи выяснили, улучшит ли добавление глубокого обучения к микро-КТ-изображению и ускорит ли оно сегментацию легких и измерение морфологических и функциональных биомаркеров во всем легком и в легочных узлах. (Блеомицин является химиотерапевтическим препаратом, который может вызывать заболевания легких.) В исследование были включены 19 мышей, которым вводили блеомицин; из них 12 были отобраны для получения препарата нинтеданиб для лечения фиброза (который одобрен для использования человеком). Всем мышам была проведена микро-КТ; исследователи обработали эти изображения с помощью алгоритма сегментации с глубоким обучением ( разработанного в 2022 году Еленой Винченци, доктором философии, и ее коллегами ).

Команда обнаружила, что сочетание глубокого обучения и микро-КТ дало результаты, согласующиеся с обычным анализом (т. е. гистологией), и сократило в 45 раз время, необходимое для анализа набора данных изображений и отслеживания развития фиброза и его реакции на нинтеданиб. .

Исследователи отметили три преимущества такого комбинированного подхода:

  • Уменьшенная экспериментальная изменчивость: каждое животное является самостоятельным контролем, и «измеренные биомаркеры без предвзятости оператора могут быть количественно сравнены между экспериментами», — написала группа.
  • Авторы отметили возможность контролировать пространственное распределение фиброзных поражений, что «устраняет потенциальные смешанные эффекты, связанные с более тяжелым фиброзом, наблюдаемым в апикальной области левого легкого, и компенсаторными эффектами, имеющими место в правом легком».
  • Группа Буккарди объяснила, что потенциал для использования в конвейерах разработки лекарств со «значительным увеличением как скорости, так и надежности оценки новых лекарств-кандидатов».

По словам исследователей, результаты исследования обнадеживают для оценки новых методов лечения заболеваний легких.

«Подход [микро-КТ]-DL … представляет собой новый мощный инструмент для точного доклинического мониторинга фиброза легких, вызванного блеомицином, а также моделей других заболеваний», — заключили они. «Простота эксплуатации и использование стандартного оборудования для визуализации позволяют легко переносить его в другие лаборатории и другие экспериментальные установки, включая приложения для клинической диагностики».

Источник