2022. 05. 05. - 09:00

Gyulladt és egészséges csontokat különböztet meg a mesterséges intelligencia

Gyulladt és egészséges csontokat különböztet meg a mesterséges intelligencia

A mesterséges intelligencia ma már arra is képes, hogy megtanulja megkülönböztetni az egészséges és a gyulladt csontokat – az ujjízületek segítségével.

Számos ember küzd a világon arthritisszel. Sokféle ízületi gyulladás létezik, a páciens ízületeit érintő gyulladásos betegség pontos típusának diagnosztizálása pedig nem mindig egyszerű.
 
Egy interdiszciplináris kutatási projekt keretében, melyet a Friedrich–Alexander Egyetem (FAU) és az Universitätsklinikum Erlangen végzett, az informatikusoknak és az orvosoknak sikerült megtanítaniuk egy mesterséges neurális hálózatot, mely megkülönbözteti egymástól a rheumatoid arthritist (reumás arthritisz), a pszoriázisos ízületi gyulladást és az egészséges ízületeket.
 
Több kérdést vizsgáltak az Arthritis remisszió molekuláris jellemzése (MASCARA) projekten belül. Például azt, hogy kimutathatja-e a mesterséges intelligencia (MI) az ízületi gyulladások különféle típusait ízületi alakzatok segítségével, lehetővé teszi-e a módszer pontosabb diagnózis felállítását differenciálatlan ízületi gyulladás esetén, illetve, hogy vannak-e olyan ízületi területek, amelyeket részletesebben szükséges megvizsgálni a diagnózis során.
 
Napjainakban a hiányzó biomarkerek gyakran megnehezítik a megfelelő típusú ízületi gyulladás pontos osztályozását. A diagnózist segítő röntgenfelvételek sem teljesen megbízhatóak, mivel kétdimenziósak és nem elég precízek – ez pedig teret enged az értelmezésnek. Az sem segít a helyzeten, hogy olykor nehéz lehet a vizsgált ízület elhelyezése a röntgenfelvételhez. Olvasd el: Pontosabb és olcsóbb orvosi diagnosztikát hozhat az új mesterséges intelligencia-algoritmus
 
Gyulladt és egészséges csontokat különböztet meg a mesterséges intelligencia
Gyulladt és egészséges csontokat különböztet meg a mesterséges intelligencia
 
A mesterséges hálózatok az ujjízületek használatát tanulják
 
Ahhoz, hogy választ kapjon kérdéseire, a kutatócsoport az ujjak metacarpophalangealis ízületeire összpontosított. Ezek a test azon régiói, amelyek igen gyakran és korán érintettek olyan autoimmun betegségekben, mint a rheumatoid arthritis vagy a pszoriázisos ízületi gyulladás.
 
A mesterséges neuronok hálózatát nagy felbontású perifériás kvantitatív számítógépes tomográfia (HR-pQCT) ujjlenyomataival képezték ki, hogy különbséget tegyen az egészséges ízületek és a rheumatoid vagy pszoriázisos ízületi gyulladásban szenvedő betegek ízületei között.
 
A HR-pQCT jelenleg a legjobb kvantitatív módszer ahhoz, hogy az emberi csontok háromdimenziós képeit a legnagyobb felbontásban állítsák elő. 
 
Ízületi gyulladás esetén a csontok szerkezetében bekövetkező változások nagyon precízen kimutathatók, ami lehetővé teszi a pontos osztályozást. Olvasd el: Mesterséges intelligencia és MRI segít kizárni a rákot sűrű mellszövet esetén
 
A neurális hálózatok célzottabb kezelést hozhatnak
 
A kutatók 611 betegtől összesen 932 új HR-pQCT vizsgálatot használtak fel, hogy ellenőrizzék, vajon a mesterséges hálózat valóban alkalmazza-e a tanultakat: képes-e a korábban besorolt ​​ujjízületek helyes értékelésére?
 
Az eredmények alapján a mesterséges intelligencia az egészséges ízületek 82 százalékát, a rheumatoid arthritises esetek 75 százalékát, míg az ízületi gyulladásos pszoriázisos esetek 68 százalékát azonosította, ami igen nagy találati valószínűség, ahhoz képest, hogy semmilyen más információt nem kapott.
 
Fontos megjegyezni: a neurális hálózat munkája a reumatológus szakértelmével kombinálva sokkal pontosabb diagnózishoz vezethet.
 
Ezen túlmenően, amikor a szakemberek differenciálatlan ízületi gyulladásos eseteket mutattak be, a hálózat helyesen tudta osztályozni őket.
 
„Rendkívül elégedettek vagyunk a vizsgálat eredményeivel. Kiderült, hogy a mesterséges intelligencia segítségével könnyebben besorolhatjuk az ízületi gyulladást, ami gyorsabb és célzottabb kezelést eredményezhet a betegek számára. Tisztában vagyunk azonban azzal a ténnyel, hogy vannak más kategóriák is, melyeket be kell táplálni a hálózatba. Tervezzük, hogy az MI-módszert más képalkotó módszerekre, például ultrahangra vagy MRI-re is átvisszük, amelyek könnyebben elérhetők" – mondta el Lukas Folle, a Számítástechnika Tanszék munkatársa.
 
Míg a kutatócsoport nagy felbontású számítógépes tomográfiát használhatott, ez a fajta képalkotás csak ritkán áll az orvosok rendelkezésére normális körülmények között, a hely- és költségkorlátok okán.
 
Az új eredmények azonban továbbra is hasznosak, hiszen a neurális hálózat észlelte az ízületek bizonyos területeit, melyek a legtöbb információt szolgáltatják az ízületi gyulladás egy adott típusáról – ezeket nevezik intraartikuláris hotspotoknak.
 
„A jövőben ez azt jelentheti, hogy az orvosok ezeket a területeket a diagnosztikai rejtvény egy újabb darabjaként alkalmazhatják a gyanús esetek megerősítésére – magyarázta dr. Arnd Kleyer, az Erlangeni Egyetem Orvostudományi Tanszékének munkatársa. - Ez időt és erőfeszítést takaríthat meg a diagnózis során, ráadásul, például ultrahang segítségével már valóban lehetséges az alkalmazása.”
 
Kleyer és Maier azt tervezi, hogy egy másik projekt keretében tovább vizsgálja a megközelítést kutatócsoportjaival.
 
 
L.A.

Hírlevél feliratkozás

Kérjük, add meg adataidat a hírlevélre történő feliratkozáshoz! A megadott adatokat bizalmasan kezeljük, azokat harmadik félnek át nem adjuk.

 

gyulai_vafurdo

profight_banner.