Projekti / Programi
Analiza medicinskih slik s strojnim učenjem za napovedovanje poteka možganskih bolezni in učinkovitosti terapije
| Koda |
Veda |
Področje |
Podpodročje |
| 2.06.10 |
Tehnika |
Sistemi in kibernetika |
Medicinska informatika |
| Koda |
Veda |
Področje |
| 2.06 |
Tehniške in tehnološke vede |
Zdravstveni inženiring |
analiza slik, obdelava slik, strojno učenje, prediktivni modeli, magnetno resonančno slikanje, nevrodegenerativne bolezni, multipla skleroza, napovedovanje poteka bolezni, vrednotenje učinkovitosti terapije
Raziskovalci (31)
Organizacije (2)
Povzetek
Projekt direktno naslavlja prioriterno področje Raziskav nevrodegenerativnih bolezni (JPND), ki ga je določila Javna agencija za raziskovalno dejavnost Republike Slovenije (ARRS). V projektu se bomo osredotočili na bolezen multiple skleroze (MS), kar ne bo vplivalo na splošnost rezultatov, saj MS vključuje dve patologiji prisotni tako v možgansko žilnih boleznih, Alzheimerjevi in drugih demencah, depresiji, shizofreniji in bipolarni motnji. Ti dve patologiji sta žariščne poškodbe možganskega tkiva ali lezije in progresivna izguba nevronov oziroma nevrodegeneracija. Obetavna značilnost je, da se tako lezije kot nevrodegeneracija pojavita od nekaj mesecev pa celo do nekaj let prej kot pa z boleznijo povezani klinični znaki. Magnetno resonančna (MR) tomografija je najbolj občutljiva metoda slikanja mehkega tkiva, zato se precej uporablja za vrednotenje normalnega možganskega tkiva in zaznavanje patoloških lezij. Na podlagi MR slikanja se lahko akumulacijo lezij in nevrodegeneracijo kvantitativno opredeli in vivo. To je tudi razlog, da se z informacijami bogate MR slike glave vedno pogosteje uporabljajo v velikih kliničnih študijah, naprimer, pri testiranju novil zdravil in terapij se iz MR slik izluščene meritve uporabljajo kot nadomestni pokazatelji kliničnega izida zdravljenja. Na ta način se pohitri razvoj novih zdravil in s tem manj izpostavlja v študijo vključene bolnike. V kliničnih študijah se izvaja primerjave med skupinami bolnikov, medtem ko se pri kliničnem delu srečamo s posameznimi bolniki in se zato v študijah uporabljane MR meritve ali slikovni biomarkerji še ne uporabljajo rutinsko. Glavne ovire so visoka variabilnost (subjektivne) vizualne ocene MR slik in visoka variabilnost v kakovosti rutinske MR preiskave. Obetavna tehnična rešitev, ki bi lahko omogočila objektivne in zanesljive kvantitativne meritve je računalniška analiza MR slik. V fokusu tega projekta bo analiza MR slik z naprednimi tehnikami strojnega učenjem za razvoj točnih, interpretabilnih in zanesljivih napovednih modelov, ki bodo naslavljali potrebo po objektivni prognozi poteka bolezni in oceni učinkovitosti zdravljenja pri bolnikih z MS in/ali drugimi nevrogenerativnimi boleznimi. Predlagani projekt ima 8 predvidenih rezultatov: (1) zajem bogato označenih MR slik glave in hrbtenjače in (2) pridružena zbirka kliničnih, laboratorijskih meritev, oceno drže, ravnotežja, itd. Za MR slike zajete s kliničnim protokolom bo razvit (3) postopek avtomatske zaznave MR sekvence in ocene kvalitete slik ter (4) postopek izboljšave kakovosti na osnovi učenja nasprotniških nevronskih mrež. Sledijo (5) izločeni zgoščeni opisi MR slik na osnovi razgradnje možganov in hrtenjače, značilnic teksture in oblike, in preslikav z avtokodirniki. Nato bodo (6) na osnovi izločenih značilnic in izboljšanh MR slik razviti napovedni modeli, s poudarkom na interpretabilnosti in zanesljivosti. Poleg (7) pričakovanih odmevnih znanstvenih publikacij je osrednji cilj (8) razvoj, integracija in prospektivno vrednotenje sistema za podporo odločanju pri zdravljenju bolezni MS, ki bo temeljil na naprednih napovednih modelih in uporabi MR slik zajetih po standardnem kliničnem protokolu. Preliminarni rezultati kažejo, da je z analizo MR slik možno zagotoviti optimalno zdravljenje povprečno v roku 1,2 leta, pri uporabi le kliničnih izidov pa v roku 3,9 let. Običajno je klinični izid stopnja prizadetosti po lestvici EDSS ali prisotnost zagonov bolezni. Z iskanjem optimalnih napovednih modelov kliničnih izidov iz slik tudi pričakujemo, da bomo natančno opredelili nekatere nejasne povezave med značilnostmi MR slik in kliničnimi izidi pri bolnikih z MS. Poleg jasnega doprinosa za posameznega bolnika bo izboljšano klinično upravljanje pripomoglo tudi k zmanjšanju visokih direktnih in indirektnih socioekonomskih stroškov povezanih z zdravljenjem bolnikov z MS.
