Как ИИ помогает обрабатывать результаты МРТ головного мозга

Технологии на основе искусственного интеллекта стремительно развиваются, в том числе и в магнитно-резонансной томографии, а именно в визуализации головного мозга. Внедрение интеллектуальных решений в неврологию поможет врачам улучшить и ускорить диагностику, разрабатывать стратегии лечения. Рассмотрим подробнее преимущества и перспективы развития данного направления.

Что такое нейросети и как они используются в МРТ?

Искусственный интеллект в МРТ применяют для таких целей¹:
● Повышение скорости сканирования. Искусственный интеллект оптимизирует параметры обследования, при проведении МРТ головного мозга помогает быстро распланировать срезы.
● Улучшение качества изображений. ИИ уменьшает шум, артефакты, поэтому изображения становятся более информативными.
● Автоматизация рутинных процессов. ИИ производит измерение патологии, формирует предварительный протокол, за счет чего сокращается время, необходимое для анализа МРТ-изображений.

Как ИИ обучают описывать снимки МРТ?

Нейросети учат автоматически выдавать анализ снимков с точностью до 95%, что помогает докторам определиться с диагнозом и дальнейшими клиническими решениями². Обучение проходит поэтапно:

1. Подготовка снимков. Изображения предварительно обрабатываются при помощи нормализации, фильтрации.
2. Разметка данных. Сначала эксперты (врачи) сегментируют анатомические структуры и патологические изменения на изображениях.
3. Визуализация найденных признаков на изображении. Автоматическая сегментация анатомических структур, определение патологических изменений, автоматические измерения.
4. Выдача предварительного описания. Модель нейросети выдаёт предварительное описание найденных признаков на МРТ-изображении.
5. Пилотирование и дообучение. Врачи-эксперты дают обратную связь о качестве работы модели в рамках экспериментов, корректируют генерируемые описания и сегментацию участков интереса на изображении.

Классификация опухолей головного мозга

ИИ в интерпретации магнитно-резонансной томографии головного мозга помогает точно классифицировать опухоли⁴. При помощи машинного обучения анализируются паттерны, незаметные человеческому глазу. Это позволяет не только провести раннюю диагностику, но и оптимизировать лечение, потому что различные виды внутричерепных новообразований требуют своего подхода в терапии.

Инсульты

Алгоритмы быстро и чётко выдают результат о повреждении головного мозга при инсульте. Это критично, когда нужно оказать помощь в рамках «терапевтического» окна. У врачей есть 4,5 часа для растворения небольшого тромба и 6 часов для удаления крупного тромба из сосудов головного мозга. Благодаря помощи нейросети неврологи максимально быстро оценивают тяжесть, тип инсульта и начинают оптимальное лечение.

Выявление неврологических отклонений

AI даёт возможность для выявления многих неврологических патологий, например, рассеянного склероза, внутричерепного давления, сосудистой аневризмы. Алгоритм тщательно анализирует снимки и определяет даже небольшие изменения. Таким образом, врач может более точно провести диагностику, назначить лечение, что улучшает результат терапии пациентов.

ИИ-помощники для врачей

Внедрённая нейросеть в МРТ даёт преимущества для врачей, а также пациентов:
● Результативность и скорость диагностики. Алгоритм умеет быстро анализировать множество снимков, что позволяет врачу оперативно поставить диагноз. А способность ИИ определять тонкие изменения головного мозга повышает точность диагностики.
● Своевременность. Быстрота и точность диагностических мероприятий помогает определять изменения на ранних стадиях, при которых терапия показывает более хорошие результаты. Состояние пациентов улучшается, сроки лечения и реабилитации сокращаются, что в целом снижает затраты на медицинскую помощь.
● Последовательность. Благодаря единым аналитическим критериям обеспечивается последовательность расшифровки. Это находит применение при динамическом наблюдении за пациентами, когда нужно проследить изменения структур головного мозга.
● Облегчение работы врачей. Анализ МРТ-снимков и подготовка предварительного описания высвобождает время докторов, которое они могут потратить на более сложные и нестандартные случаи. Это удобно, если поток пациентов большой.
● Так как в обучении модели принимают участие врачи, то интерпретацию снимка искусственным интеллектом можно использовать в качестве второго мнения.

Будущее искусственного интеллекта в магнитно-резонансной томографии

На данный момент искусственный интеллект в томографии только начал развиваться. В будущем помощь ИИ в МРТ может быть многообещающей³. Это актуально при интеграции ИИ в другие системы с развитием мультимодальных технологий. Например, объединение функциональных и спектроскопических методик для получения полной картины здоровья пациента⁵. В итоге, в будущем ИИ в МРТ поможет ускорить диагностику, что приведёт к улучшению качества обследования и лечения пациентов.

Источники

1. Клинические испытания систем искусственного интеллекта (лучевая диагностика) / сост. Ю. А. Васильев, А. В. Владзимирский, Д. Е. Шарова [и др.] // Серия «Лучшие практики лучевой и инструментальной диагностики».– Вып. 113 – 2-е изд., перераб. и доп. – М.: ГБУЗ «НПКЦ ДиТ ДЗМ», 2023 – 40 с.
2. Агафонова Юлия Дмитриевна, Гайдель Андрей Викторович, Зельтер Павел Михайлович, Капишников Александр Викторович. «Эффективность алгоритмов машинного обучения и свёрточной нейронной сети для обнаружения патологических изменений на магнитно-резонансных томограммах головного мозга». Компьютерная оптика, vol. 44, no. 2, 2020, pp. 266-273.
3. Zhukov О.B., Scheplev P.A. Artificial intelligence in medicine: from hybrid studies and clinical validation to development of application models. Andrologiya i genital’naya khirurgiya = Andrology and Genital Surgery 2019;20(3):00–00. DOI: 10.17650/2070-9781-2019-20-2-00-00
4. Multiclass magnetic resonance imaging brain tumor classification using artificial intelligence paradigm. Gopal S. Tandel, Antonella Balestrieri, Tanay Jujaray, Narender N. Khanna, Luca Saba, Jasjit S. Suri, Computers in Biology and Medicine, Volume 122, 2020, 103804,ISSN 0010-4825, https://doi.org/10.1016/j.compbiomed.2020.103804.
5. Fink, James & Muzi, Mark & Peck, Melinda & Krohn, Kenneth. (2015). Multimodality brain tumor imaging: MR imaging, PET, and PET/MR imaging. Journal of nuclear medicine: official publication, Society of Nuclear Medicine. 56. 10.2967/jnumed.113.131516.