Alat klinis kecerdasan buatan pembelajaran mendalam otomatis yang dapat mengukur volume ventrikel otak pada MRI pada anak-anak

Alat klinis kecerdasan buatan pembelajaran mendalam otomatis yang dapat mengukur volume ventrikel otak pada MRI pada anak-anak


Newswise – Charlottesville, VA (1 Desember 2020). Para peneliti dari berbagai institusi di Amerika Utara telah mengembangkan alat klinis kecerdasan buatan, deep-learning (DL) yang sepenuhnya otomatis yang dapat mengukur volume ventrikel otak pada gambar resonansi magnetik (MRI) pada anak-anak dalam waktu sekitar 25 menit. Kemampuan untuk melacak volume ventrikel dari waktu ke waktu dalam pengaturan klinis akan terbukti sangat berharga dalam pengobatan anak-anak dan orang dewasa dengan hidrosefalus. Rincian tentang pengembangan alat dan validasinya dilaporkan hari ini di artikel baru, “Kecerdasan buatan untuk segmentasi ventrikel otak otomatis dan penghitungan volume: alat klinis untuk evaluasi hidrosefalus pediatrik,” oleh Jennifer L. Quon, MD, dan rekan kerja, di Jurnal Bedah Saraf: Pediatri [https://thejns.org/doi/full/10.3171/2020.6.PEDS20251]).

Hidrosefalus adalah suatu kondisi patologis yang disebabkan oleh jumlah cairan serebrospinal (CSF) yang berlebihan di dalam bilik otak yang dikenal sebagai ventrikel. Kondisi tersebut terjadi akibat ketidakseimbangan antara produksi dan penyerapan CSF. Hidrosefalus disebut “berkomunikasi” ketika CSF dapat berpindah dari satu ventrikel ke ventrikel lain dan “obstruktif” ketika aliran dari satu ventrikel ke ventrikel lain diblokir. Prevalensi hidrosefalus pediatrik kira-kira enam dari 10.000 kelahiran hidup. Ini disebut “masalah neurologis yang dapat diperbaiki dengan pembedahan yang paling umum pada bayi, anak-anak, dan remaja”.

Diagnosis hidrosefalus didasarkan pada tanda dan gejala klinis serta temuan ventrikel yang membesar pada penelitian neuroimaging. Penempatan shunt (sistem pengeringan internal yang mengalirkan kelebihan CSF dari otak) adalah prosedur pembedahan yang paling umum dilakukan untuk mengurangi hidrosefalus. Setelah operasi, pasien harus dipantau secara berkala untuk memastikan bahwa pintasan terus bekerja dengan baik. Perubahan volume ventrikel dapat memandu pengambilan keputusan klinis. Namun, hingga saat ini, penilaian volume ventrikel yang akurat dapat memakan waktu atau memerlukan alat otomatis tingkat penelitian yang tidak mudah disesuaikan dengan kunjungan klinis pasien.

Penulis penelitian ini berusaha untuk mengembangkan model berbasis deep-learning (DL) otomatis yang dapat digunakan untuk mengevaluasi perubahan volume ventrikel otak dari waktu ke waktu pada anak-anak dengan hidrosefalus selama kunjungan klinik mereka. Pembelajaran mendalam adalah bentuk kecerdasan buatan tingkat lanjut yang meniru cara kerja otak manusia; ia mampu memproses data dalam jumlah besar dan menciptakan pola yang digunakan dalam pengambilan keputusan. Tujuan penulis adalah untuk membuat alat DL yang akan bekerja secara efisien di banyak institusi dengan berbagai mesin MRI klinis dari produsen yang berbeda.

Untuk mengembangkan dan memvalidasi model, penulis memilih set MRI berbobot T2 dari sekelompok 200 pasien anak (usia 22 tahun atau lebih muda) yang mengalami hidrosefalus obstruktif akut. MRI berbobot T2 memiliki penggunaan klinis yang luas tetapi biasanya tidak digunakan untuk menentukan volume ventrikel. Para pasien dalam kelompok ini telah dirawat di salah satu dari empat institusi: Rumah Sakit Anak Lucile Packard Stanford; Rumah Sakit Anak Seattle; Rumah Sakit Anak Sakit; dan Rumah Sakit Anak Dayton. Untuk kelompok kontrol, penulis memilih 200 set MRI berbobot T2 dari 199 pasien pediatrik yang utuh secara neurologis. MRI T1-weighted tiga dimensi, yang telah diperoleh di semua kontrol dan sebagian pasien dengan hidrosefalus, juga ditinjau. MRI tiga dimensi T1 biasanya digunakan untuk analisis volumetrik tetapi tidak tersedia di klinik.

400 set MRI berbobot T2 dipisahkan untuk digunakan dalam berbagai langkah penelitian: pelatihan (266 set MRI) dan pengoptimalan (67 set MRI) model DL, dan tes yang ditahan (67 set MRI) untuk final. evaluasi kinerja model. Dalam studi terpisah, penulis juga mempelajari generalisasi model DL dan kegunaan klinisnya menggunakan MRI berbobot T2 yang diperoleh secara prospektif pada sembilan pasien di Rumah Sakit Anak Primer Utah.

Model DL dirancang untuk menghasilkan segmentasi ventrikel otomatis (penggambaran batas ventrikel pada pencitraan) dan penghitungan volume. Untuk menguji efisiensi model, penulis membandingkan kedua proses ini dengan standar emas segmentasi manual dan penghitungan volume serta penggunaan perangkat lunak penelitian FreeSurfer. Penulis menggunakan koefisien kesamaan Dadu (0 banding 1) untuk menilai akurasi segmentasi dan regresi linier untuk menilai perhitungan volume.

Menurut penulis, jika dibandingkan dengan segmentasi manual, “segmentasi model dilakukan dengan skor Dice keseluruhan 0,901 (0,946 pada hidrosefalus, 0,856 pada kontrol).” Angka-angka ini menunjukkan akurasi yang tinggi, bahkan dengan akurasi yang lebih baik bila digunakan pada pasien dengan hidrosefalus. Ketika digunakan untuk menilai akurasi segmentasi pada pasien di Rumah Sakit Anak Primer Utah, skor Dice adalah 0,926.

Penulis menemukan korelasi yang kuat antara kalkulasi volume ventrikel yang dibuat menggunakan model DL dan rasio tanduk frontal-oksipital yang ditentukan secara manual (r2 = 0,92) dan indeks Evans, tanduk depan perbandingan (r2 = 0,79). Perhitungan ini dibuat dengan menggunakan MRI berbobot T2.

Model DL lebih akurat dan jauh lebih cepat daripada perangkat lunak FreeSurfer, yang “membutuhkan waktu 8,2 hingga 207,3 jam (median 20,3 jam) untuk segmentasi ventrikel dan keluaran volume, dibandingkan dengan 1,48 detik per pemindaian pasien untuk model DL”.

Pekerjaan ini masih pendahuluan. Bukti yang diberikan dengan menggunakan model DL masih memerlukan korelasi dengan gejala pasien, dan lebih banyak pekerjaan perlu dilakukan untuk mengevaluasi model DL bila digunakan dengan jenis hidrosefalus lainnya. Namun demikian, penulis menyimpulkan, “Dengan output volumetrik yang hampir segera dan kinerja yang andal di seluruh jenis pemindai institusional, model ini dapat disesuaikan dengan evaluasi klinis hidrosefalus secara real-time dan meningkatkan alur kerja dokter.”

Saat ditanya tentang temuan penelitian tersebut, Drs. Edwards dan Yeom menjawab, “Sudah lebih dari 100 tahun sejak Dandy mengembangkan ventrikulografi untuk memvisualisasikan sistem ventrikel. Tujuan kami adalah mengembangkan program yang cepat dan andal menggunakan AI [artificial intelligence] Teknologi yang cepat, akurat, dan dapat diterapkan di berbagai platform pencitraan. Memiliki volume ventrikel yang pasti akan menghilangkan persalinan dan ketidakakuratan dalam mengukur dan membandingkan ukuran ventrikel dari waktu ke waktu dan harus memungkinkan keputusan yang lebih akurat dalam mengelola pasien dengan hidrosefalus dan patologi volume CSF lainnya. Tujuan kami ke depan adalah untuk memvalidasi teknik kami secara klinis untuk memindahkan teknik ini ke dalam penggunaan klinis dan penelitian rutin. Harapan kami adalah bahwa teknologi ini akan memberikan informasi yang lebih akurat dan andal untuk memungkinkan dokter membuat keputusan manajemen yang lebih baik pada pasien dengan hidrosefalus dan dengan demikian meningkatkan perawatan dan hasil pasien. ”

Quon JL, Han M, Kim LH, Koran ME, Chen LC, Lee EH, Wright J, Ramaswamy V, Lober RM, Taylor MD, Grant GA, Cheshier SH, Kestle JRW, Edwards MSB, Yeom KW: Kecerdasan buatan untuk otak otomatis segmentasi ventrikel dan kalkulasi volume: alat klinis untuk evaluasi hidrosefalus pediatrik. Jurnal Bedah Saraf: Pediatri, diterbitkan online, sebelum dicetak, 1 Desember 2020; DOI: 10.3171 / 2020.6.PEDS20251.

Jennifer L. Quon, Michelle Han, Michael SB Edwards, dan Kristen W. Yeom memberikan kontribusi yang sama untuk pekerjaan ini.

Drs. Quon, Han, Kim, Koran, dan Chen berafiliasi dengan Stanford University School of Medicine, dan Dr. Lee berafiliasi dengan Stanford University School of Engineering. Dr. Wright berafiliasi dengan Rumah Sakit Anak Seattle, Fakultas Kedokteran Universitas Washington; Drs. Ramaswamy dan Taylor dari The Hospital for Sick Children, University of Toronto; Dr. Lober dari Rumah Sakit Anak Dayton, Sekolah Kedokteran Boonshoft Universitas Negeri Wright; Drs. Cheshier dan Kestle dari Fakultas Kedokteran Universitas Utah; dan Drs. Grant, Edwards, dan Yeom dari Fakultas Kedokteran Universitas Stanford dan Rumah Sakit Anak Lucile Packard Stanford, Stanford, California

Penyingkapan: Penulis melaporkan tidak ada konflik kepentingan mengenai bahan atau metode yang digunakan dalam penelitian ini atau temuan yang ditentukan dalam makalah ini.

###

Itu Jurnal Bedah Saraf: Pediatri adalah jurnal peer-review bulanan yang berfokus pada penyakit dan gangguan pada sistem saraf pusat dan tulang belakang pada anak-anak. Jurnal ini memuat berbagai artikel, antara lain uraian penelitian praklinis dan klinis serta laporan kasus dan catatan teknis. Itu Jurnal Bedah Saraf: Pediatri adalah satu dari lima jurnal yang diterbitkan oleh JNS Publishing Group, divisi jurnal ilmiah dari American Association of Neurological Surgeons. Jurnal peer-review lain yang diterbitkan oleh JNS Publishing Group termasuk Jurnal Bedah Saraf, Jurnal Bedah Saraf: Tulang Belakang, Fokus Bedah Saraf, dan Fokus Bedah Saraf: Video. Kelima jurnal tersebut dapat diakses di www.thejns.org.

Didirikan pada tahun 1931 sebagai Harvey Cushing Society, American Association of Neurological Surgeons (AANS) adalah asosiasi ilmiah dan pendidikan dengan lebih dari 10.000 anggota di seluruh dunia. AANS didedikasikan untuk memajukan spesialisasi bedah saraf guna memberikan perawatan bedah saraf dengan kualitas terbaik kepada masyarakat. Semua anggota aktif AANS disertifikasi oleh American Board of Neurological Surgery, Royal College of Physicians and Surgeons (Neurosurgery) of Canada, atau Mexican Council of Neurological Surgery, AC. Bedah neurologis adalah spesialisasi medis yang berkaitan dengan pencegahan, diagnosis, pengobatan, dan rehabilitasi gangguan yang memengaruhi seluruh sistem saraf termasuk otak, tulang belakang, sumsum tulang belakang, dan saraf tepi. Untuk informasi lebih lanjut, kunjungi www.AANS.org.


Diposting Oleh : http://54.248.59.145/

About the author