Wspomagana komputerowo diagnostyka raka piersi
Ustalenie rozpoznania i wdrożenie leczenia na bardzo wczesnym etapie choroby jest niezbędne dla przeżycia pacjentki z rakiem piersi. Metody pozwalające na wykrycie zmian złośliwych mniejszych niż 10 mm mogą przyczynić się do znacznego ograniczenia liczby zgonów spowodowanych rakiem piersi. Jednak wykrywanie zmian nieprzypominających guza metodą rezonansu magnetycznego (MRI) jest trudne i wiąże się z dużym odsetkiem wyników fałszywie dodatnich, co prowadzi do niepotrzebnych, inwazyjnych interwencji medycznych. Rozwój sztucznej inteligencji umożliwił realizację bardzo wymagających zadań w ciągu zaledwie kilku sekund dzięki nowym algorytmom uczenia maszynowego. W ramach finansowanego przez UE projektu SmartMammaCAD zaproponowano wykorzystanie tego rodzaju metod uczenia maszynowego w celu zwiększenia skuteczności diagnostyki za pomocą badania MRI z dynamicznym wzmocnieniem kontrastowym (DCE MRI). „Chcieliśmy opracować nowoczesny zautomatyzowany system pomagający radiologom w rozpoznawaniu raka piersi”, wyjaśnia koordynator projektu i stypendysta programu Maria Skłodowska-Curie, dr Ignacio Álvarez. Uczenie maszynowe zwiększa skuteczność rozpoznania na podstawie badania MRI Zmiany nieprzypominające guza są heterogeniczne i wykazują bardzo zróżnicowane cechy kinetyczne, jak również znaczną różnorodność w zakresie typowych parametrów morfologicznych. Dynamika zmian nieprzypominających guza pokrywa się z dynamiką prawidłowych tkanek, co utrudnia rozpoznanie na podstawie badania MRI. Aby zwiększyć dokładność i skuteczność rozpoznawania zmian nowotworowych w piersiach, badacze wykorzystali nowe algorytmy uczenia maszynowego i przetwarzania sygnałów. Dzięki współpracy i skoordynowaniu działań specjalistów z wielu dziedzin w projekcie SmartMammaCAD udało się wygenerować zbiór danych składający się z kilkuset trójwymiarowych obrazów medycznych uzyskanych od rzeczywistych pacjentek, wraz z radiologicznym opisem zmian. Dane różnicujące wyodrębnione z tych obrazów wykorzystano do szkolenia systemu w zakresie rozpoznawania zmian nieprzypominających guzów. Nowe algorytmy pozwoliły na wykrywanie w medycznych badaniach obrazowych struktur przypominających ścianę klatki piersiowej, a tym samym odróżnianie sygnałów związanych z dynamiką tkanki piersi od źródeł zakłóceń oddzielonych przez ścianę klatki piersiowej. Rozwiązanie to stanowi integralny element oprogramowania SmartMammaCAD i umożliwia badaczom przeprowadzenie prawidłowej segmentacji i odróżnienie tkanki piersi od innych narządów. Dodatkowe techniki kompensacji ruchu z powodzeniem ograniczyły wpływ zakłóceń i niewłaściwego ułożenia pacjentki na istotne sygnały. Według dr. Ramíreza „głównym osiągnięciem tego projektu jest odkrycie, że dynamikę tkanek można wykorzystać do zwiększenia dokładności klasyfikacji zmian nieprzypominających guza”. O ile niektóre cechy tych zmian, takie jak kształt, granice i rozmiar, są trudne do zdefiniowania, dynamikę można wykorzystać do odróżniania zmian nieprzypominających guza od prawidłowej tkanki piersi. Przyszłość wspomaganej komputerowo diagnostyki raka piersi Oczekuje się, że system SmartMammaCAD pozytywnie wpłynie na stan zdrowia obywatelek Europy, poprawiając skuteczność rozpoznawania chorób zagrażających życiu, takich jak rak piersi. Największą korzyścią wynikającą ze stosowania diagnostyki CAD w raku piersi jest ograniczenie liczby biopsji. „Chociaż trudno ocenić, na ile korzystny okaże się system CAD w walce z rakiem piersi w długim terminie, system charakteryzujący się wysoką dokładnością i swoistością może zwiększyć pewność rozpoznania”, mówi dr Ramírez. Metoda kontroli obecnie uzyskiwanych wyników fałszywie dodatnich zaproponowana w projekcie SmartMammaCAD przyczyniła się do poprawy czułości i swoistości wykrywania zmian nieprzypominających guza nawet o 20 %. Partnerzy projektu mają nadzieję, że dzięki temu radiolodzy odzyskają wiarę w systemy CAD. Biorąc pod uwagę, że gęstość tanki piersi jest coraz częściej uznawana za istotny czynnik ryzyka rozwoju raka, partnerzy projektu SmartMammaCAD planują udoskonalić wydajność swojego systemu w zakresie segmentacji piersi. Co więcej, system ten można rozbudować tak, aby uwzględniał dane z innych badań obrazowych, co zwiększy wykrywalność i dokładność klasyfikacji.
Słowa kluczowe
SmartMammaCAD, rak piersi, zmiany nieprzypominające guza, diagnostyka wspomagana komputerowo (CAD), uczenie maszynowe, MRI z dynamicznym wzmocnieniem kontrastowym (DCE)
