Лента новостей → Клиническая полезность, а не «красивость», лучший показатель для оценки улучшений ИИ в медицинской визуализации, говорят инженеры.
Медицинская визуализация играет важную роль в диагностике и лечении множества заболеваний. От рентгена, чтобы увидеть сломанную кость или полость зуба, до сканирования ОФЭКТ для выявления пороков сердца, врачи используют медицинские изображения, чтобы заглянуть внутрь тела, найти заболевание и лечить его соответствующим образом. Но что происходит, когда эти изображения нечеткие?
Недавние достижения в области искусственного интеллекта открыли двери для использования методов на основе ИИ для шумоподавления или очистки медицинских изображений . Однако, прежде чем эти инструменты можно будет использовать в клинических условиях для реального ухода за пациентами, их необходимо тщательно оценить, сказал Абхинав Джа, доцент биомедицинской инженерии в Школе инженерии МакКелви и радиологии в Институте радиологии Маллинкродта (MIR) в Медицинский факультет Вашингтонского университета в Сент-Луисе.
В исследовании, опубликованном в журнале Medical Physics , Джа и его коллеги из MIR оценили часто используемый подход на основе искусственного интеллекта к шумоподавлению изображений ОФЭКТ сердца. Команда оценила эффективность подхода двумя способами: насколько визуально похожи изображения с шумом на нормальные изображения и насколько хорошо изображение с шумом сработало в клинически значимой задаче обнаружения пороков сердца?
«Довольно тревожно, хотя метрики, основанные на визуальном сходстве, предполагали, что метод шумоподавления на основе ИИ улучшил производительность, на самом деле он не оказал существенного влияния, а в некоторых случаях даже ухудшил производительность при выполнении клинических задач», — сказал Джа. «Это подчеркивает важную необходимость оценки алгоритмов ИИ в клинических задачах, а не просто полагаться на визуальное сходство как на меру производительности».
В ходе исследования первый автор Зитонг Ю, аспирант лаборатории Джа, обнаружил, что метод шумоподавления ИИ, как правило, сглаживает изображения ОФЭКТ сердца, что снижает шум, как и предполагалось, но также снижает контрастность порока сердца, что необходимо врачам. точные диагнозы. «Это именно то, что мы хотим предотвратить в реальной медицинской практике», — сказал Юй.
Исследование выступает за оценку методов шумоподавления на основе ИИ на основе задач для оценки полезности изображений, обработанных ИИ. «Обеспечение того, чтобы шумоподавление на основе ИИ хорошо работало в реальных клинических задачах, а не только в эстетическом плане, будет означать большие преимущества для пациентов за счет получения высококачественных изображений за меньшее время или с меньшими дозами облучения», — сказал соавтор Роберт Дж. Гроплер, профессор радиологии и медицины. старший заместитель председателя и директор отдела радиологических наук МИР.
Джа и его команда разрабатывают новую технику шумоподавления в этом направлении, и их презентация на эту тему получила почетное упоминание на конференции SPIE Medical Imaging. Джа также возглавлял межведомственную группу, которой было поручено разработать основу для оценки методов медицинской визуализации на основе искусственного интеллекта . Их руководство «Рекомендации по оценке ИИ для ядерной медицины» (RELAINCE) было выпущено в 2022 году и легло в основу этого последнего исследования.