Μπορεί η τεχνητή νοημοσύνη να μειώσει την δόση Γαδολινίου;

Το Γαδολίνιο (Gadolinium) είναι ένα βαρύ μέταλλο που χρησιμοποιείται ως σκιαγραφική ουσία για την βελτίωση των εικόνων που συλλέγονται σε μία μαγνητική τομογραφία. Η ουσία αυτή έχει αποδειχθεί ότι είναι ασφαλής και βελτιώνει την διαγνωστική ακρίβεια των μαγνητικών τομογραφιών.

Οι απεικονίσεις που έχουν ενισχυθεί με Γαδολίνιο, χρησιμοποιούνται συνήθως για την οπτικοποίηση φλεγμονών, καρκινικών όγκων και αιμοφόρων αγγείων. Κατά συνέπεια είναι ένα δυνατό διαγνωστικό εργαλείο για διάφορες παθήσεις, ανάμεσα σε αυτές και η Πολλαπλή Σκλήρυνση.

Τελευταίες μελέτες όμως, έχουν δείξει ότι υπάρχουν αδιάσειστα στοιχεία ότι σε κάθε δόση Γαδολίνιου που χορηγείται, το 1% της ουσίας κατακρατείται από τον ανθρώπινο ιστό (στον εγκέφαλο και στο σώμα).

Το αντίκτυπο που μπορεί να έχει στον οργανισμό δεν είναι ακόμα γνωστό, αλλά οι ερευνητές εργάζονται προς την μείωση της ενδεχόμενης τοξικότητας και των επιδράσεων της, και να προς την βελτιστοποίηση της ασφάλειας των ασθενών, διατηρώντας την διαγνωστική ακρίβεια των μαγνητικών απεικονήσεων.

Στην προσπάθεια τους αυτή, εξερευνούν και τις δυνατότητες της τεχνητής νοημοσύνης και το πως μπορούν να βοηθήσουν στην μείωση της ποσότητας της ουσίας που χρησιμοποιείται στις διαγνωστικές εξετάσεις.

Η ερευνητική ομάδα εξέτασε το πρωτόκολλο και τις μαγνητικές απεικονίσεις 200 ασθενών, που είχαν λάβει την εν λόγω ουσία για τον εντοπισμό κάποιας σοβαρής ιατρικής ένδειξης.

Με την χρήση της τεχνολογίας της βαθιάς μάθησης (deep learning) για την αξιολόγηση των δεδομένων και για τον υπολογισμό και την κατασκευή ενός βελτιστοποιημένου πρωτοκόλλου για την χρήση του Γαδολινίου.

Με αυτή την προσέγγιση είναι λογικά επόμενο να καταφέρουν να ανακαλύψουν μικρές διαφορές μεταξύ των απεικονίσεων που δεν θα μπορούσε να εντοπίσει/ξεχωρίσει το ανθρώπινο μάτι.

Για τον κάθε ασθενή συλλέχθηκαν τρεις κατηγορίες απεικονήσεων. Στην πρώτη ορίζεται η αρχική κατάσταση (baseline) του ασθενή πριν λάβει το σκιαγραφικό, στην δεύτερη την απεικόνιση μετά από μία μικρή δόση της ουσίας (10% της δόσης), και στην τρίτη, η απεικόνιση ύστερα από την χορήγηση ολόκληρης της δόσης (100% της δόσης του Γαδολίνιου).

Με την βοήθεια της τεχνητής νοημοσύνης, δημιούργησαν έναν αλγόριθμο που κατασκευάζει απεικονίσεις με εφάμιλλη ποιότητα αυτών που λαμβάνονται ύστερα από την χορήγηση ολόκληρης της δόσης (από τα δεδομένα της δεύτερης κατηγορίας - 10% δόση).

Εκτός αυτού, κατάφεραν να δείξουν ότι είναι δυνατό να κατασκευαστούν απεικονίσεις με παρόμοια διαγνωστική ποιότητα με αυτή των απεικονίσεων της πλήρης δόσης, χωρίς να γίνει η χρήση κάποιου σκιαγραφικού.

Όπως αναφέρει ο Enhao Gong, ερευνητής του πανεπιστημίου του Stanford, και επικεφαλής της συγκεκριμένης έρευνας, δεν προσπαθούν να αντικαταστήσουν την παρούσα τεχνολογία απεικόνισης, αλλά να την βελτιώσουν και να παράγουν καλύτερα αποτελέσματα, διαφυλάσσοντας την ασφάλεια των ασθενών. Οι απεικονίσεις ύστερα από την χαμηλή δόση Γαδολίνιου, έδειξαν ότι είναι ικανές να προσφέρουν χρήσιμες πληροφορίες, με την βοήθεια της τεχνητής νοημοσύνης.

Είναι βέβαιο ότι πρέπει να γίνουν περαιτέρω μελέτες, που θα εξετάσουν την χρήση του αλγορίθμου σε ένα ευρύτερο πεδίο απεικονίσεων και να εφαρμοστεί σε άλλους τύπους σκιαγραφικού, όπως και να εξεταστεί η ποιότητα των αποτελεσμάτων σε αυτές τις συνθήκες.

Ένα τέτοιο αποτέλεσμα έχει πολύ μεγάλη σημασία για τους ανθρώπους με σοβαρές παθήσεις, που χρειάζεται να βρεθούν στον μαγνητικό τομογράφο αρκετά συχνά - όπως εμείς που έχουμε Π.Σ..

Τα δεδομένα της μελέτης με τίτλο “Evaluation of Deep-Learning-Based Technology for Reducing Gadolinium Dosage in Contrast-Enhanced MRI Exams”, παρουσιάστηκαν στην ετήσια συνάντηση, 104th Scientific Assembly and Annual Meeting, του Radiological Society of North America (RSNA), στις 25-30 Νοεμβρίου στην πόλη του Chicago.
Ken Treloar