Czy sztuczna inteligencja może zastąpić radiologa? AI w skriningu raka płuca i teleradiologii

opublikowano: 15-06-2022, 11:49

W Polsce ponad 20 ośrodków bierze udział w programie przesiewowym w kierunku wczesnego wykrywania raka płuca. W przedsięwzięciu tym wykorzystana jest sztuczna inteligencja. Wydaje się, że wykorzystanie AI w monitowaniu oraz analizowaniu badań obrazowych jest nieuniknione, szczególnie w dobie braków kadrowych w radiologii.

Ten artykuł czytasz w ramach płatnej subskrypcji. Twoja prenumerata jest aktywna
W Ogólnopolskim Programie Wczesnego Wykrywania Raka Płuca za pomocą Niskodawkowej Tomografii Komputerowej wykorzystywana jest sztuczna inteligencja.
iStock

14 czerwca odbyła się II edycja Konferencji „AI w Zdrowiu”, która jest pierwszym na tak dużą skalę w Europie środkowo-wschodniej wydarzeniem dedykowanym sztucznej inteligencji i innowacjom w zdrowiu. Podczas panelu poświęconemu obrazowaniu medycznemu lek. Paweł Bożek, specjalista radiologii i diagnostyki obrazowej z Katedry i Zakładu Radiologii Lekarskiej i Radiodiagnostyki Śląskiego Uniwersytetu Medycznego w Katowicach, a także prezes firmy Radpoint, wygłosił wykład poświęcony roli sztucznej inteligencji w skriningu raka płuca i teleradiologii.

AI w skriningu raka płuca w Polsce

Ekspert przypomniał, że w Polsce od 2019 r. funkcjonuje Ogólnopolski Program Wczesnego Wykrywania Raka Płuca (WWRP) za pomocą Niskodawkowej Tomografii Komputerowej (NDTK), którego celem jest wykrycie wczesnych postaci raka płuca, choć badanie pozwala na wykrycie dodatkowych patologii w obrębie płuc, np. rozedmy płuc, a nawet zwapnień w tętnicach wieńcowych. Program jest skierowany do osób znajdujących się w grupie ryzyka, a więc osób w wieku 50-74 lata, które są nałogowymi palaczami lub niedawno rzuciły palenie. Radpoint jest partnerem programu. Przedsięwzięcie jest finansowane przez Ministerstwo Zdrowia przy udziale środków unijnych. Program ma być realizowany przez 3 lata i objąć około 60 tysięcy badań niskodawkowej tomografii komputerowej klatki piersiowej.

W Polsce za organizację Programu WWRP jest odpowiedzialnych sześć ośrodków w sześciu makroregionach Polski:

  • Świętokrzyskie Centrum Onkologii (region południowo-wschodni)
  • Białostockie Centrum Onkologii (region wschodni)
  • Uniwersyteckie Centrum Kliniczne w Gdańsku (region północny)
  • Śląski Uniwersytet Medyczny (region śląski)
  • Instytut Gruźlicy i Chorób Płuc w Warszawie (region centralny)
  • Uniwersytet Medyczny w Poznaniu (region zachodni)

Z ramienia każdego z tych ośrodków w programie biorą udział placówki partnerskie. Wszystkie są wspierane przez sztuczną inteligencję. Jest to pierwszy na świecie skrining raka płuca, w którym gromadzone są dane obrazowe, a proces ich analizy jest wspierany algorytmami sztucznej inteligencji celem automatycznej identyfikacji zmian i klasyfikacji priorytetu badań („triage”).

Za organizację Programu WWRP jest odpowiedzialnych sześć ośrodków w sześciu makroregionach Polski.
Prezentacja lek. Pawła Bożka

Badanie wykonane za pomocą NDTK jest analizowane przez sztuczną inteligencję, a także dostępne dla radiologów do ich oceny.

– Radiolodzy sprawdzają, czy pacjent nie ma żadnych zmian i wówczas jest zapraszany na badanie za rok, lub – gdy pacjent ma zmiany wymagające dalszej obserwacji – badanie jest powtarzane w terminie od 3 do 6 miesięcy. Zwiększa to koszt skriningu, ale pozwala ocenić, czy dana zmiana rośnie, czy nie – wyjaśniał lek. Paweł Bożek.

AI w skriningu raka płuca - chmurowa platforma telekonsultacji

Ekspert wskazał na wyzwania stojące przez placówkami biorącymi udział w programie. Są to:

  • różnice w infrastrukturze: IT, systemach, urządzeniach,
  • brak radiologów vs czasochłonne pomiary wolumetryczne,
  • optymalizacja pracy i obiegu informacji (workflow), szkolenia użytkowników,
  • standaryzacja protokołów TK, opisów badań i konsultacji klinicznych,
  • monitorowanie dawek i kontrola jakości badań NDTK,
  • zbieranie dużej ilości danych obrazowych (DICOM),
  • monitorowanie wskaźników i analiza danych w czasie rzeczywistym.

– Stało przed nami wiele wyzwań. Jak im podołaliśmy? Przede wszystkim założyliśmy platformę chmurową, a więc opartą o chmurę publiczną, która - odpowiednio zabezpieczona - połączyła wszystkie szpitale biorące udział w Programie. Na chmurze tej osadziliśmy algorytmy. Na niej też dokonujemy raportowania w sposób ustrukturyzowany, co pozwala nam gromadzić unikalne dane, doprowadzać system do każdego z "aktorów“ tego przedsięwzięcia, a także śledzić w czasie rzeczywistym postęp całego skriningu, jak również dokonywać raportowania i oceny wskaźników, które każdy z podmiotów musi osiągnąć - wyjaśnił lek. Paweł Bożek.

- Monitorowanie w czasie rzeczywistym pozwala nie tylko śledzić postęp w tym skriningu w każdym mieście, powiecie, województwie, ale też wyłapywać te jednostki, które nie stosują się do zaleceń programu i np. stosują zbyt dużą dawkę promieniowania podczas skriningu - doprecyzował ekspert.

Chmurowa platforma telekonsultacji.
Prezentacja lek. Pawła Bożka

Sztuczna inteligencja szybciej niż radiolog oceni zmiany?

Ekspert zwrócił uwagę, że przed radiologiem pojawia się wyzwanie, aby móc ocenić szybko objętość danej zmiany, jeśli taka zostanie wykryta.

– Kilka lat temu zaleceniem było mierzenie dwóch wymiarów guza, ale obecnie wiemy, że skuteczność pomiaru objętościowego jest dużo wyższa i dokładniejsza ocena pozwala zmniejszyć śmiertelność w omawianej grupie pacjentów w ramach skriningu – powiedział lek. Paweł Bożek, dodając, że obrysowanie i wyliczenie objętości guza jest bardzo czasochłonne, a w przypadku powtórnego badania należy określić, czy objętość guza uległa zmianie, czyli wyliczyć czas podwojenia objętości.

Onkologia
Ekspercki newsletter z najważniejszymi informacjami dotyczącymi leczenia pacjentów onkologicznych
ZAPISZ MNIE
×
Onkologia
Wysyłany raz w miesiącu
Ekspercki newsletter z najważniejszymi informacjami dotyczącymi leczenia pacjentów onkologicznych
ZAPISZ MNIE
Administratorem Twoich danych osobowych będzie Grupa Rx sp. z o.o. Klauzula informacyjna w pełnej wersji dostępna jest tutaj

– Żeby skrining miał sens, radiolog musi opisać badanie na czas. Moim zdaniem, w dobie ograniczonego dostępu do wykwalifikowanej kadry, bez sztucznej inteligencji jest to niemożliwe - podkreślił lek. Paweł Bożek.

Zaletami stosowania algorytmów AI w diagnozowaniu zmian nowotworowych są znaczne zwiększenie dokładności wyników badań, zwiększenie produktywności/wydajności diagnostyki obrazowej oraz zredukowane skali niezgodności wyników badań. Jednak najważniejszą informacją, jaka jest uzyskiwana dzięki wykorzystaniu sztucznej inteligencji, to triage przypadków.

– Dzięki temu zaraz po tym, jak badanie zostanie wykonane i wysłane do chmury, logując się na stację wiem, czy któryś z 30-40 pacjentów zbadanych w danym dniu, ma zmiany, które są podejrzane o nowotwór. W tle działa sztuczna inteligencja. Widzę na liście badań, że te zaznaczone na czerwono, to te, w których jest guzek o odpowiedniej objętości albo z cechami, które mogą sugerować nowotwór - wyjaśnił lek. Paweł Bożek.

Zdaniem eksperta ogromną zaletą sztucznej inteligencji jest także wsparcie dla raportowania ustrukturyzowanego.

– Udało nam się zebrać radiologów z całej Polski, którzy zajmują się skriningiem raka płuca w jednym miejscu i w jednym czasie, przeprowadzić szkolenie, ustalić wspólny konsensus co do sposobów opisywania, zbudować odpowiedni schemat opisu. Dzięki temu wszystkie dane, które wprowadzamy podczas opisu, są raportowane w sposób ustrukturyzowany. Niektóre dane w formularzu opisu, są już częściowo wypełniane na podstawie wyników działania algorytmów, czasem też są przeliczane wg poszczególnych kalkulatorów co znacznie skraca czas opisu i niweluje ewentualne błędy - powiedział lek. Paweł Bożek.

Prezentacja lek. Pawła Bożka

Sztuczna inteligencja wyodrębni pacjentów ze zmianami w płucach po COVID-19

Ekspert wyjaśnił, że można wykorzystać więcej algorytmów. W związku z tym, że badania skriningowe wykonywano w czasie epidemii COVID-19, opracowano dodatkowy algorytm, który pozwala wykryć zmiany w płucach związane z przejściem tej choroby. Narzędzie to, opracowane dzięki środkom z NCBiR dla szpitali jednoimiennych z udziałem polskich naukowców, sprawdziło się szczególnie u pacjentów, którzy nie byli świadomi, że przechorowali COVID-19, a mieli z tego powodu nasilone zmiany w płucach.

Ekspert wyjaśnił, że za pomocą niskodawkowej tomografii komputerowej można też wykryć inne nowotwory, np. nerki, w śródpiersiu, w tarczycy, czy też tętniaka aorty, więc sztuczna inteligencja musiałaby też być wyposażona w dodatkowe algorytmy “wyczulone” na te zmiany, aby ich nie przeoczyć.

Prezentacja lek. Pawła Bożka

Czy IA może zastąpić radiologa?

Lek. Paweł Bożek wyjaśnił, że wiadomo z literatury i doświadczenia, iż sztuczna inteligencja wykazuje wyższość nad oceną radiologa jeśli chodzi o czułość i liczbę fałszywie ujemnych przypadków guzków płuc, gdyż raczej nie przeoczy guzów, ewentualnie znajdzie ich za dużo. Jednak w ocenie specjalisty jest to “mniejsze zło”.

Wskazał jednocześnie na pewne zagrożenie:

– Istnieje ryzyko, że niedoświadczeni radiolodzy, którzy - przeświadczeni o wyższości sztucznej inteligencji - będą podważali swoją pewność, co do tego, czy jest to zmiana nowotworowa, czy też nie - powiedział lek. Paweł Bożek.

Niemniej jednak ekspert nie wyobraża sobie skriningu raka płuca bez sztucznej inteligencji, szczególnie w obecnej sytuacji, kiedy brakuje radiologów.

Dodał, że w już RTG są pierwsze certyfikowane algorytmy do pisywania badań bezmianowych. Obecnie istnieje techniczna możliwość, że badania, w których nie wykrywa się zmian w klatce piersiowej, zostaną opisane automatycznie jako bezzmianowe i nie trafią do rąk radiologa. Jednak rodzi to zagrożenie - skąd młodzi lekarze będą wiedzieli, jak wygląda prawidłowy obraz RTG płuc - dla nich to będzie novum.

PRZECZYTAJ TAKŻE: Sztuczna inteligencja przewiduje powikłania COVID-19 na podstawie zdjęcia rentgenowskiego

Prof. Cieszanowski: coraz więcej zastosowań w radiologii ma sztuczna inteligencja

Źródło: Puls Medycyny

Najważniejsze dzisiaj
× Strona korzysta z plików cookies w celu realizacji usług i zgodnie z Polityką Plików Cookies. Możesz określić warunki przechowywania lub dostępu do plików cookies w Twojej przeglądarce.