Automatyczne wykrywanie ogniskowej dysplazji korowej (FCD) na obrazach rezonansu magnetycznego z Centrum Epilepsji w Hamburgu, Szpitalu Ewangelickim Alsterdorf
Client Story – Rozpoznawanie zmian padaczkowych w mózgu w Szpitalu Alsterdorf w Hamburgu
O projekcie
Centrum Epilepsji w Hamburgu jest wiodącą instytucją w Niemczech i Europie w zakresie kompleksowej diagnostyki padaczki, specjalizującą się w jej wykrywaniu i leczeniu. Jednak dokładne wykrycie ogniskowych dysplazji korowych (FCD) wymaga bardzo dogłębnej wiedzy na temat epileptologii, a liczba specjalistów na całym świecie jest bardzo ograniczona, co powoduje, że wielu pacjentów nigdy nie otrzymuje właściwej diagnozy.
Zadanie to pozostaje poważnym wyzwaniem ze względu na zróżnicowaną lokalizację, rozmiar i kształt FCD. Często wtapiają się one w otaczające tkanki bez wyraźnych granic, co sprawia, że ich wykrywanie jest złożonym zadaniem nawet dla doświadczonych specjalistów medycznych.
Rozwiązanie
We współpracy z ekspertami z Centrum Epilepsji w Hamburgu wykorzystaliśmy moc sztucznej inteligencji do automatycznego wykrywania i rozpoznawania FCD na obrazach medycznych. Opracowaliśmy trójwymiarową konwolucyjną sieć neuronową z regularyzacją autoenkodera specjalnie dostosowaną do wykrywania i segmentacji FCD. Ten innowacyjny model wykazał wyższą czułość w wykrywaniu FCD w porównaniu z konwencjonalnymi analizami wizualnymi. Eksperci uznali opracowany model za wysoce przydatny do badań przesiewowych FCD w praktyce klinicznej.
Wyzwania
Wykrywanie FCD stanowi wyjątkowe wyzwanie w porównaniu z innymi zastosowaniami sztucznej inteligencji w radiologii, takimi jak segmentacja tkanki mózgowej lub wykrywanie guzów. Nieodłączna złożoność wynika ze znacznych różnic w lokalizacji, rozmiarze i kształcie FCD, a także ich tendencji do wtapiania się w otaczające tkanki. Ręczna analiza MRI przeprowadzana przez ekspertów jest czasochłonna, wymaga dogłębnej wiedzy specjalistycznej i może być subiektywna, co utrudnia zebranie wiarygodnego zbioru danych do trenowania modeli AI. Jednak dzięki szeroko zakrojonym badaniom technologicznym i wspólnym wysiłkom lekarzy z Centrum Epilepsji udało nam się zebrać największy jak dotąd zbiór danych obrazów MRI z FCD i osiągnąć najnowocześniejsze wyniki w wykrywaniu FCD.
Korzyści biznesowe
- Lepsze wyniki leczenia pacjentów: Wczesne i dokładne wykrycie FCD umożliwia odpowiednie interwencje, co potencjalnie prowadzi do lepszych wyników leczenia i większego prawdopodobieństwa uwolnienia się od napadów padaczkowych.
- Ulepszone wykrywanie FCD: Zautomatyzowany system wykrywania FCD poprawia dokładność i czułość identyfikacji FCD na obrazach MRI, zapewniając wyższy wskaźnik wykrywalności i zmniejszając ryzyko niewykrycia FCD.
- Oszczędność czasu: Dzięki automatyzacji procesu wykrywania, specjaliści medyczni mogą zaoszczędzić znaczną ilość czasu, który wcześniej poświęcali na ręczną analizę, co pozwala im skupić się na innych krytycznych aspektach opieki nad pacjentem.
- Zwiększona precyzja diagnostyczna: Model AI zapewnia spójną i obiektywną analizę, zmniejszając subiektywność diagnozy FCD i przyczyniając się do bardziej precyzyjnego planowania leczenia.
Unikalne cechy rozwiązania
- Konwolucyjna sieć neuronowa 3D: Nasza niestandardowa architektura sieci neuronowej, zaprojektowana specjalnie do wykrywania i segmentacji FCD, wykorzystuje zaawansowane techniki głębokiego uczenia (deep learningu) do analizy obrazów MRI w trzech wymiarach, poprawiając dokładność wykrywania.
- Regularizacja autoenkodera: Wprowadzenie regularyzacji autoenkodera dodatkowo zwiększa odporność i zdolności generalizacji modelu, zapewniając niezawodność działania na różnorodnych zbiorach danych.
- Wyniki na najwyższym poziomie: Dzięki szerokim badaniom i współpracy osiągnęliśmy wyniki na najwyższym poziomie w wykrywaniu FCD, dostarczając specjalistom medycznym najnowocześniejszą technologię do precyzyjnej diagnozy i leczenia.
- Ciągłe uczenie: Nasze rozwiązanie stale się doskonali dzięki innowacyjnemu podejściu ciągłego uczenia (ang. Continual learning), które wykorzystuje nowe dane do ciągłego poprawiania modelu i jednocześnie minimalizuje ryzyko tzw. katastrofalnego zapominania (zapominania już wyuczonej wiedzy).
Nasza współpraca z Centrum Epilepsji w Hamburgu i rozwój systemu wykrywania FCD opartego na sztucznej inteligencji zrewolucjonizowały sposób identyfikacji FCD na obrazach MRI. Adresując wyzwania związane z rozpoznawaniem FCD, umożliwiliśmy dokładniejsze i efektywniejsze diagnozy, co prowadzi do poprawy wyników leczenia pacjentów i wyższej jakości opieki w dziedzinie leczenia epilepsji.
Wyniki naszej pracy zostały opublikowane w najbardziej renomowanych czasopismach poświęconych epilepsji, w tym w artykule poniżej, a nowe publikacje są w przygotowaniu (przeczytaj artykuł).
Skontaktuj się z nami
Skontaktuj się z nami już dziś.