Согласно исследованию, опубликованному в журнале Radiology , модель ИИ точно выполняет измерения общего объема почек с помощью МРТ и сокращает время контурирования, потенциально ускоряя лечение людей с распространенным типом заболевания почек .

Аутосомно-доминантный поликистоз почек (АДПБП) — генетическое заболевание, характеризующееся образованием многочисленных кист и рубцеванием почек. Это наиболее распространенное наследственное заболевание почек, от которого страдают более 12 миллионов человек во всем мире. Заболевание со временем прогрессирует, и у многих пациентов в возрасте пятидесяти-шестидесяти лет наблюдается почечная недостаточность.

Измерения общего объема почек помогают клиницистам оценить прогрессирование АДПБП и определить необходимость лечения толваптаном, препаратом, который замедляет прогрессирование заболевания.

«Когда почки пациентов увеличиваются в размерах, это имеет прогностические последствия и коррелирует с ухудшением функции почек и, в конечном итоге, с необходимостью диализа», — сказал ведущий автор исследования Акшай Гоэл, доктор медицинских наук, радиолог-диагност и младший научный сотрудник по клиническим исследованиям в Weill Cornell Medicine в Нью-Йорке. Город. «Поэтому важно отслеживать объем».

Точное время автоматической сегментации Сокращение времени экспертного контуринга

Доктор Гоэл и его коллеги из Weill Cornell Medicine разработали модель глубокого обучения с открытым исходным кодом и применили ее для автоматического сегментирования почек с помощью МРТ для определения общего объема почек у пациентов с АДПБП.

Доктор Гоэл объяснил, что сегментация почек с помощью МРТ напрямую коррелирует с общим объемом почек, поскольку каждый воксель напрямую соответствует измерению объема.

«Таким образом, расчет клинической метрики общего объема почки из 3D-сегментации, метрики компьютерного зрения, прост и требует только объема вокселя и количества пикселей в маске сегментации», — сказал он.

Раньше утомление оператора от утомительной задачи контурирования могло естественным образом привести к человеческим ошибкам, особенно с учетом требуемой точности на границах контуров. В этом исследовании исследователи использовали аннотацию с помощью модели, чтобы изменить задачу контурирования с целью снижения утомляемости оператора и предоставления рентгенологам возможности создавать более точные контуры почек при АДПБП.

Модель была разработана с использованием 213 МРТ-исследований брюшной полости у 129 пациентов с АДПБП.

Исследователи случайным образом разделили пациентов на обучающую, проверочную и тестовую группы для разработки модели. Внешняя валидация у 20 пациентов из других учреждений и проспективная валидация у 53 пациентов продемонстрировали точную автоматическую сегментацию для оценки общего объема почки с поликистозом почек и сократили время экспертного контурирования. Оценка первых 50% предполагаемых случаев показала среднее сокращение времени контурирования на 51%, с почти 29 минут до всего лишь 12 минут.

«Работа модели может быть охарактеризована как отличная и надежная, с минимальными ошибками в задаче сегментации по проспективным исследованиям в Корнелле и экзаменам, взятым в сторонних учреждениях», — сказал д-р Гоэл. «Количественно оценка объема почти идеальна, со средней разницей в 2-3% по сравнению с тщательно промаркированными примерами рентгенолога».

Гоэль Рисунок 4

Примеры наиболее значимых ошибок вывода проспективной модели и соответствующих поправок рентгенолога. Метка выводов выделена красным цветом, дополнения радиолога — зеленым, а вычитания рентгенолога отмечены синими стрелками. (A) Заполненный жидкостью желудок частично помечен как киста левой почки. (B) Мочевой пузырь помечен как кистозная почка. (C) Киста печени, обозначенная как почка. (D) Киста почки на границе печени пропущена. (E) Сложная геморрагическая киста левой почки не полностью помечена. (F) Коллапс нисходящей ободочной кишки, помеченный как левая почка. (G) Киста почки на границе печени, пропущенная при выводе. (H) Жир медиального надмыщелка левого локтя, помеченный как левая почка, у пациента с руками в поле зрения. https://doi.org/10.1148/ryai.210205 © РОСНА 2022

Аннотации с помощью моделей существенно экономят время рентгенолога

По словам старшего автора исследования Мартина Р. Принса, доктора медицины, профессора радиологии в Weill Cornell Medicine и Колумбийском университете в Нью-Йорке, результаты уже оказывают влияние на клиническую практику.

«Теперь, когда мы внедрили эту мощную технологию глубокого обучения в нашу клиническую практику для добавления точных, воспроизводимых измерений объема органов с минимальными усилиями рентгенолога, мы видим, что лечащие врачи с энтузиазмом используют эти количественные данные», — сказал доктор Принс. «Иногда нам заказывают МРТ-исследования только для того, чтобы получить эти объемы органов. Пациенты также сосредотачиваются на этих цифрах и просят нас провести измерения в их внешних или предыдущих исследованиях, чтобы они могли лучше понять течение своего заболевания».

доктора Принс, Гоел и их коллеги опубликовали дополнительную статью в журнале Tomography , в которой модель глубокого обучения уменьшила как вариабельность измерений, так и время рентгенолога, необходимое для выполнения мультиорганной сегментации при ADPKD.

Источник