Искусственный интеллект поможет в борьбе с накоплением гадолиния
Искуственный интеллект (ИИ) позволит получать МРТ снимки диагностического качества, используя лишь малую долю типичной дозы контрастного вещества на базе гадолиния (gadolinium-based contrast agent – GBCA), сообщается в докладе, представленном на конференции RSNA 2018 в Чикаго.
Исследователи из Стэнфордского Университета научили алгоритм глубокого обучения производить синтезированные МРТ изображения, сравнимые по качеству с МРТ визуализацией с применением полной дозы контрастного вещества, при том, что вводили всего 10% от стандартной дозы. Они добились этого результата путем анализа изображений до и после введения контраста в усеченном объеме. Изображения с редуцированной дозой оказались по качеству и контрастному усилению не хуже тех, что были получены после ввода полной дозы контрастного вещества.
Через длительное время после использования GBCA в тканях головного мозга, костях, коже и печени можно обнаружить незначительные следы гадолиния. Хотя сторонники применения контраста на базе гадолиния утверждают, что польза перевешивает сопутствующие риски, все большее количество людей испытывают болезненные симптомы, которые они связывают с этим веществом. Врачи также стали более осторожно относиться к гадолинию и внимательнее следят за вводимой дозой.
“Существуют конкретные данные, что гадолиний накапливается в головном мозге и в теле, – сказал ведущий автор доклада Энхао Гонг во время своего выступления. – Хотя отдаленные последствия этого факта еще не ясны, необходимо снизить потенциальные риски для пациентов и максимально повысить клиническую ценность МРТ исследований”.
Ученые использовали результаты МРТ обследований, проведенных 200 пациентам по различным показаниям. Они обучали глубокую сверточную нейронную сеть, используя три комплекта МРТ изображений: полученных до ввода контраста, с 10% стандартной дозой гадолиния и со 100% дозой гадолиния с 3D T1 последовательностью инверсия-восстановление с быстрым очищением (inversion-recovery fast spoiled – GRASS ((IR-FSPGR)). Таким образом, алгоритм научился тому, как можно аппроксимировать и дифференцировать сканы с полной дозой GBCA от изображений с нулевой и низкой дозой контрастного вещества.
Затем нейрорадиологи оценили изображения по контрастному усилению и общему диагностическому качеству. Они обнаружили, что снимки с синтезированной полной дозой, полученные при помощи алгоритма глубокого обучения, и те, что были сделаны с контрастом, введенном в полном объеме, не слишком отличались по качеству изображения. Более того, ученые считают, что в дальнейшем есть возможность создания снимков, эквивалентных изображениям с использованием полной дозы, но вовсе без применения контрастного вещества.
“Имея большую базу данных, мы смогли продемонстрировать, что алгоритм глубокого обучения может хорошо обобщать информацию, позволяя значительно улучшать качество МРТ изображений, получаемых с введением небольшой дозы контрастного вещества. Это позволяет использовать только 10% или даже меньше дозы гадолиния”, – сообщают исследователи в своих выводах.
В дальнейшем ученые намерены оценить возможности алгоритма в клинических условиях для широкого спектра МРТ сканеров и различных типов контрастных веществ.”Мы не пытаемся заменить существующую технологию медицинской визуализации, – добавил Гонг. – Мы хотим ее улучшить и извлечь больше пользы из уже накопленной информации, заботясь при этом о безопасности наших пациентов”.
Уэйн Форрест
На фото: На снимках показаны отличия в качестве изображений в зависимости от количества введенного контрастного вещества на базе гадолиния.
Оригинал новости можно прочитать здесь
