Klaudyna Stefańska, Weronika Kubarek
Philips
Sztuczna inteligencja AI (Artificial Intelligence) staje się nieodłącznym elementem w nowoczesnych systemach tomografii komputerowej. Początkowo sztuczna inteligencja była postrzegana przez lekarzy i techników jako konkurencja. Jednak wraz z upływem czasu korzyści płynące z zastosowania AI przeważają nad tymi obawami i obecnie ciężko wyobrazić sobie system, który nie wykorzystuje jej do pracy. Firma Philips stworzyła rozwiązanie Pecise Suite, w skład którego wchodzą narzędzia wykorzystujące sztuczną inteligencję, mające na celu usprawnić i zautomatyzować pracę oraz zmaksymalizować jakość obrazu, zmniejszając tym samym liczbę wymaganych ponownych skanów i zwiększając pewność diagnostyczną. W przypadku oddziałów, które wykorzystują tomografię do procedur interwencyjnych, pakiet obejmuje również rozszerzone możliwości śledzenia igieł.
Lepsza jakość obrazu oraz niższa dawka promieniowania dzięki AI
Metoda filtrowanej projekcji wstecznej (FBP) od dziesięcioleci była wykorzystywana w rekonstrukcji obrazów tomografii komputerowej. Mimo licznych usprawnień jest metodą nieefektywną w przypadku niedostatecznego próbkowania danych lub gdy szum jest silniejszy od sygnału obrazu. Firma Philips regularnie wprowadza rozwiązania, które pozwalają w jak największym stopniu zniwelować ograniczenia charakterystyczne dla tej metody oraz zapewnić lepszą jakość obrazów. Takie narzędzia jak iDose4 oraz IMR pozwalały na dostosowanie jakości obrazu do indywidualnych potrzeb pacjenta przy zastosowaniu niskiej dawki promieniowania. Tradycyjne algorytmy rekonstrukcji iteracyjnej mimo skutecznego ograniczania szumu sprawiają, że otrzymany obraz różni się od standardowych obrazów FBP, do których są przyzwyczajeni radiolodzy. Różnica w wyglądzie stanowi główną barierę do wdrożenia technologii umożliwiającej obniżenie dawki promieniowania. Dopiero zastosowanie sztucznej inteligencji pozwoliło osiągnąć kolejny poziom technologii redukcji dawki i uzyskiwać obrazy z niższą dawką promieniowania, ale jednocześnie o bardziej znajomym wyglądzie.
Przełomowym rozwiązaniem w tomografii komputerowej jest narzędzie Precise Image firmy Philips, wykorzystujące sztuczną inteligencję. Pozwala ona na uzyskiwanie obrazów, które wyglądem przypominają obrazy zrekonstruowane metodą filtrowanej projekcji wstecznej, ale z możliwością redukcji szumu dostępną przy użyciu zaawansowanych metod rekonstrukcji iteracyjnej. Dzięki temu otrzymywane obrazy charakteryzują się wysoką jakością i znajomym wyglądem, przy zastosowaniu niskiej dawki promieniowania. W rozwiązaniu Precise Image wykorzystywane jest uczenie głębokie (deep learning), które jest podzbiorem uczenia maszynowego. Bazuje ono na głębokiej sieci neuronowej, czyli sztucznej sieci neuronowej z wieloma warstwami ukrytymi oraz węzłami pozwalającymi na złożone klasyfikacje otrzymywanych danych, w tym modelowanie zależności nieliniowych. W narzędziu Precise Image zaprojektowana sieć posiada dostosowaną liczbę warstw oraz węzłów w celu zapewnienia krótkiego czasu badania oraz rekonstrukcji dobrej jakości obrazu. Przeprowadzono ocenę obrazów klatki piersiowej, jamy brzusznej i miednicy wykonane u 40 pacjentów z użyciem narzędzi iDose4 i Precise Image (Ryc. 2). Oba zestawy obrazów każdego z pacjentów oceniono pod kątem pewności diagnostycznej, ostrości, poziomu szumu, tekstury obrazu oraz obecności artefaktów na 5-stopniowej skali Likerta, gdzie 1 oznacza najniższą ocenę, a 5 oznacza ocenę najwyższą. Wszystkie skany zostały wykonane z użyciem konwencjonalnej dawki promieniowania, natomiast rekonstrukcja obrazów z użyciem narzędzia iDose4 została przeprowadzona z zastosowaniem pełnej dawki użytej podczas akwizycji, a rekonstrukcja z użyciem narzędzia Precise – z zastosowaniem połowy konwencjonalnej dawki zastosowanej podczas akwizycji i niskodawkowych technik symulacji.
Pozycjonowanie pacjenta wspierane AI
Błędne ustawienie pacjenta jest powszechnym i udokumentowanym wyzwaniem w badaniach tomograficznych, które może prowadzić do niepożądanych konsekwencji, takich jak zwiększona dawka promieniowania dla pacjenta oraz wyższy poziom szumu. Ponadto badania wśród techników radiologii i innych pracowników zakładów diagnostycznych w USA, Francji, Niemczech i Wielkiej Brytanii wskazują, że 23% ich pracy jest nieefektywne. Respondenci stwierdzili, że automatyzacja procesów, w tym pozycjonowania pacjenta, znacznie pomogłaby personelowi poświęcać mniej czasu na ustawianie aparatu, a więcej dla pacjenta. Technicy uważają, że szeroko pojęte czynniki technologiczne ( jakość i funkcjonalność sprzętu, stopień zaawansowania technologicznego, łatwość użycia aparatury diagnostycznej) zajmują drugie miejsce pośród głównych czynników uniemożliwiających przeprowadzenie poprawnego (diagnostycznie przydatnego) badania tomograficznego. Skoncentrowanie wysiłków w obszarze innowacyjności tych obszarów ma ogromny potencjał w kontekście poprawy płynności pracy i przepustowości zakładów diagnostycznych, lecz także czynników ludzkich, do których przywiązuje się coraz większą uwagę – zmniejszenie stresu oraz ryzyka wypalenia u pracowników, a także lepszego poczucia zaopiekowania u pacjentów.
Funkcja Precise Position wykorzystuje innowacyjne algorytmy oparte na sztucznej inteligencji dostarczające informacje, które pozwalają na dostosowanie się aparatu do pacjenta, dzięki czemu osiągamy lepszą płynność pracy, poprawia się spójność pozycjonowania pomiędzy różnymi operatorami, a przede wszystkim personel zyskuje więcej czasu, aby skupić się na potrzebach pacjenta. Jak to działa? Precyzyjna kamera wspierana sztuczną inteligencją jest zamontowana w suficie nad stołem pacjenta (Ryc. 3).
Gdy pacjent znajdzie się na stole, kamera wykorzystuje zaawansowaną technologię sieci neuronowych, a także funkcje koloru i głębi, aby zidentyfikować 13 punktów referencyjnych na ciele pacjenta (Ryc. 4).
Pełna wersja artykułu dostępna w TUTAJ .
WYDANIE 2/2023