Veštačka inteligencija koja čita magnetnu rezonancu srca uz pomoć slika i lekarskih utisaka

Novi sistem veštačke inteligencije pod nazivom CMR-CLIP razvijen je kako bi se snimci magnetne rezonance srca analizirali brže, preciznije i ujednačenije. Ovaj sistem povezuje pokretne slike srca dobijene tokom pregleda sa pisanim lekarskim utiscima iz izveštaja, pa na osnovu toga uči da prepozna važne promene na srcu.

Pun naziv sistema je Cardiovascular Magnetic Resonance-Contrastive Language Image Pretraining, što označava učenje na osnovu povezivanja slika kardiovaskularne magnetne rezonance i jezika iz medicinskih izveštaja. U praksi, to znači da se ne posmatra samo slika, već i način na koji su stručnjaci ranije opisivali nalaze, dijagnoze i preporuke za dalje lečenje.

Sistem su razvili istraživači sa Univerziteta Karnegi Melon u saradnji sa Centrom za kardiovaskularna inovaciona istraživanja Klivlendske klinike. Njegove mogućnosti opisane su u radu objavljenom u časopisu Nature Communications.

Zašto je magnetna rezonanca srca važan, ali složen pregled

Magnetna rezonanca srca smatra se jednim od najpouzdanijih pregleda za procenu građe, rada i finih promena u srčanom mišiću. Njome se mogu sagledati anatomija srca, njegova funkcija i sitne promene u tkivu koje nisu uvek lako vidljive drugim metodama.

Ipak, ovaj pregled nosi i veliki izazov. Snimci su bogati informacijama, a njihovo tumačenje zahteva mnogo vremena i veliko iskustvo. Procena nalaza kod jednog pacijenta često traje 40 minuta ili duže.

Tumačenje najčešće obavljaju radiolozi ili kardiolozi sa dodatnom naprednom obukom koja može trajati i do dve godine. Takva stručnost uglavnom je dostupna u velikim medicinskim centrima, dok je u manjim ustanovama pristup iskusnim čitačima nalaza često ograničen.

Problem neujednačenih izveštaja

Kod magnetne rezonance srca nije važno samo uočiti promenu. Važno je i kako se ta promena opisuje, koliko je izveštaj jasan i da li lekar koji je pacijenta uputio na pregled dobija korisne informacije za dalje lečenje.

U praksi postoje razlike u pisanju izveštaja. Neki izveštaji više naglašavaju detaljan opis slike, dok drugi više povezuju nalaz sa kliničkom slikom pacijenta. Takve razlike mogu uticati na jasnoću zaključka i na donošenje narednih odluka u lečenju.

CMR-CLIP je razvijen sa idejom da pomogne u automatizaciji i standardizaciji izveštaja. Time bi se lekarima mogla obezbediti jasnija procena stanja i bolja osnova za planiranje sledećih koraka.

Kako CMR-CLIP uči da prepozna bolesti srca

Za razliku od mnogih programa veštačke inteligencije koji se obučavaju pomoću ručno dodatih oznaka, CMR-CLIP je učio na drugačiji način. Sistem je povezivao nizove slika magnetne rezonance srca sa odgovarajućim kliničkim sažecima napisanim prirodnim jezikom.

To znači da je učio iz stvarnih lekarskih tumačenja pregleda, a ne samo iz pojedinačnih tehničkih oznaka. Tekstualni deo bio je usmeren na deo izveštaja u kojem se navode glavni nalazi, moguće dijagnoze i preporuke za plan daljeg zbrinjavanja.

Model je najpre obučavan za bolesti leve komore, koje spadaju među česta stanja procenjivana magnetnom rezonancom srca. Leva komora je deo srca koji pumpa krv ka telu, pa su njena veličina, debljina zida i snaga kontrakcije veoma važni za procenu srčanog zdravlja.

Velika baza snimaka i izveštaja

Za razvoj sistema korišćeno je više od 13.000 pregleda magnetne rezonance srca obavljenih u Klivlendskoj klinici od 2008. do 2022. godine. U toj bazi nalazilo se više od milion slika i više stotina hiljada sekvenci pokreta srca.

Takav pristup omogućio je sistemu da povezuje izgled srca na snimku sa načinom na koji stručnjaci opisuju nalaz. Time se dobija model koji ne uči samo da prepozna obrazac na slici, već i da razume medicinski značaj tog obrasca kroz pisani klinički utisak.

Testiranje na odvojenim skupovima podataka

Nakon razvoja, CMR-CLIP nije testiran samo na podacima na kojima je učio. Proveren je na dva odvojena skupa podataka.

• jedan skup poticao je iz Univerzitetske bolnice u Dižonu u Francuskoj
• drugi skup poticao je iz ustanova Klivlendske klinike na Floridi

Pregledi su obavljeni na drugačijim uređajima od onih koji su korišćeni tokom obuke sistema. Nalaze su tumačili stručnjaci iz tih ustanova. Time je proveravano da li sistem može da zadrži tačnost i kada se primeni na snimke iz drugačijeg kliničkog okruženja.

Tačnost u prepoznavanju bolesti srca

Kada su rezultati upoređeni sa procenama stručnih čitača, CMR-CLIP je pokazao visok nivo tačnosti u prepoznavanju više srčanih stanja.

• 88,5 odsto tačnosti za neishemijsku kardiomiopatiju
• 88,0 odsto tačnosti za ishemijsku kardiomiopatiju
• 96,2 odsto tačnosti za srčanu amiloidozu
• 98,6 odsto tačnosti za hipertrofičnu kardiomiopatiju

Neishemijska kardiomiopatija označava bolest srčanog mišića koja nije prvenstveno posledica smanjenog dotoka krvi kroz srčane arterije. Ishemijska kardiomiopatija nastaje u vezi sa nedovoljnim snabdevanjem srčanog mišića krvlju. Srčana amiloidoza je stanje u kojem se u srčanom tkivu nakupljaju abnormalni proteini, dok hipertrofična kardiomiopatija podrazumeva zadebljanje srčanog mišića.

Prepoznavanje stanja za koja sistem nije posebno treniran

Jedna od važnih osobina CMR-CLIP sistema jeste sposobnost da prepozna i stanja za koja nije bio posebno obučavan. Takva sposobnost u razvoju veštačke inteligencije označava se kao prepoznavanje bez dodatne obuke na konkretnom primeru.

Ovo je posebno važno u medicini, jer se u svakodnevnom radu ne susreću samo najčešće bolesti. Ponekad se na pregledu pojave ređa ili složenija stanja, kod kojih je lekaru potrebna dodatna podrška u tumačenju nalaza.

Bolji rezultati u odnosu na druge sisteme veštačke inteligencije

CMR-CLIP je upoređen sa dva druga dostupna sistema veštačke inteligencije zasnovana na povezivanju slike i jezika. U prepoznavanju čestih promena, kao što su fibroza srčanog mišića i zadebljanje leve komore, bio je bolji za 32 odsto ili više.

Fibroza srčanog mišića označava ožiljne promene u tkivu srca. Zadebljanje leve komore znači da zid glavne srčane komore postaje deblji nego što je očekivano. Obe promene mogu biti važne za procenu rizika, toka bolesti i izbora daljeg lečenja.

Posebno je značajno to što je CMR-CLIP sa jednim primerom postizao slične rezultate kao drugi programi koji su koristili 32 primera. To ukazuje da sistem može efikasno da uči i kada nema veliki broj dostupnih primera za svaku pojedinačnu promenu.

Zašto je razvoj ovakvog alata posebno težak

Razvoj veštačke inteligencije za magnetnu rezonancu srca složen je iz više razloga. U poređenju sa nekim drugim metodama snimanja srca, dostupno je manje pregleda koji se mogu koristiti za obuku sistema. Takođe, nema mnogo stručnjaka koji su kvalifikovani za tumačenje ovakvih nalaza.

Zbog toga je posebno važno kada sistem može da postigne dobar rezultat uz manju količinu podataka. To može pomoći da se ovakvi alati razvijaju i u oblastima gde nije lako prikupiti ogroman broj primera.

Pomoć lekarima, a ne zamena za lekara

CMR-CLIP je zamišljen kao pomoćni alat za lekare. Njegova uloga nije da zameni radiologa ili kardiologa, već da olakša pregledanje složenih snimaka, ubrza početnu analizu i doprinese jasnijem izveštavanju.

U sredinama gde nema dovoljno stručnjaka za magnetnu rezonancu srca, ovakav sistem bi jednog dana mogao da pomogne u automatskom trijažiranju i podršci pri tumačenju nalaza. To bi moglo da omogući širi pristup ovoj važnoj dijagnostičkoj metodi i van najvećih medicinskih centara.

Značaj za obuku lekara

Pored dijagnostike, CMR-CLIP bi mogao da ima važnu obrazovnu ulogu. Velika i lako pretraživa biblioteka slika, lekarskih utisaka i dijagnoza mogla bi da pomogne specijalizantima, lekarima na užoj obuci i kardiolozima koji upućuju pacijente na pregled.

Tokom obuke se obično vidi veliki broj čestih dijagnoza, dok su retka stanja zastupljena mnogo manje. Kada postoji biblioteka ranijih slučajeva, moguće je lakše uporediti novi nalaz sa sličnim primerima. To može povećati sigurnost pri razmatranju retkih dijagnoza.

Šta je još potrebno pre kliničke primene

CMR-CLIP je razvijen u istraživačkom okruženju i još nije spreman za redovnu kliničku primenu. Pre nego što bi ovakav sistem mogao da se koristi u svakodnevnom radu, potrebno je dodatno testiranje i prilagođavanje bolničkim procesima.

Pošto je model obučavan na podacima iz petnaestogodišnjeg perioda koji se završava 2023. godine, biće potrebno da ima mogućnost stalnog učenja. Medicina se menja, dijagnostički kriterijumi se unapređuju, a nova znanja moraju biti ugrađivana u buduće verzije sistema.

Ograničenja koja treba rešiti

Pre šire primene potrebno je proširiti skup dijagnoza i uključiti raznovrsnije grupe pacijenata. Time bi se povećala pouzdanost sistema u različitim kliničkim situacijama.

Takođe je potrebno dodatno testiranje na podacima iz više ustanova i različitih geografskih područja. Tek nakon toga može se sigurnije proceniti koliko se rezultati mogu preneti na širu kliničku praksu.

Još jedan važan korak jeste procena uklapanja sistema u rad bolnice. Potrebno je jasno odrediti gde se alat koristi, ko proverava njegove nalaze i kako se njegovi predlozi pretvaraju u konačan lekarski izveštaj.

Zašto bi ovakva tehnologija mogla da promeni dostupnost pregleda

Magnetna rezonanca srca pruža veoma vredne informacije, ali njeno tumačenje traži vreme i visoku stručnost. Zbog toga pomoćni sistemi veštačke inteligencije mogu imati veliki značaj u budućnosti.

Ako se dodatnim proverama potvrdi pouzdanost CMR-CLIP sistema, on bi mogao da pomogne u bržoj obradi pregleda, jasnijem pisanju izveštaja i boljoj dostupnosti magnetne rezonance srca u sredinama gde nema dovoljno posebno obučenih stručnjaka.