Według nowych badań moduł sztucznej inteligencji (AI) typu open source może pomóc w identyfikacji zmian padaczkowych na obrazach MRI, przeoczonych przez je analizujących, w tym ogniskowej dysplazji korowej (FCD) i stwardnienia hipokampa.
Sophie Adler, MBPhD, przekonywała na 78. dorocznym spotkaniu Amerykańskiego Towarzystwa Epilepsji (American Epilepsy Society, AES), szacunkowo 42–55 proc. dorosłych i dzieci chorych na padaczkę, u których wykonano operację przy ujemnym wyniku badania MRI, występuje FCD, czyli wady rozwojowe kory mózgowej.
Do tej pory podejmowano różne wysiłki, aby wykorzystać zautomatyzowane uczenie maszynowe do identyfikacji FCD. Adler, student medycyny na University College London w Londynie wraz kolegami opracowali program uczenia maszynowego typu open source, opublikowany w 2022 r., który wykorzystuje sieć neuronową do wykrywania FCD na podstawie 33 cech powierzchniowych u 618 pacjentów z padaczką i 397 osób kontrolnych z 22 światowych ośrodków leczenia padaczki.
Ich zespół przeszkolił i dokonał walidacji krzyżowej sieci na połowie kohorty, a następnie przetestowali ją na drugiej połowie, w której miała ona czułość 59 proc. i swoistość 54 proc. Swoistość wzrosła do 67 proc. po uwzględnieniu granicy wokół zmian, która uwzględniała niepewność wokół granic manualnie wyznaczonych masek zmian.
Stworzony algorytm bada każdy punkt powierzchni mózgu i decyduje czy przypomina on zmianę. Doprowadziło to do odkrycia zmian u 63 proc. pacjentów z ujemnym wynikiem MRI, ale doprowadziło również do znacznej liczby wyników fałszywie dodatnich, co zmusiło neurologów do wielu wysiłków, aby przejrzeć i potwierdzić takie wyniki, i okazało się, według Adlera, iż jest to problem także w przypadku innych metod wykorzystujących AI.
Aby rozwiązać ten problem, grupa zastosowała grafową sieć neuronową splotową.
- Zamiast po prostu widzieć każdy punkt na powierzchni kory mózgowej i podejmować decyzję, czy to jest normalne, czy nienormalne, ta sieć neuronowa splotowa może zbudować zrozumienie tego, kim są sąsiedzi tego punktu i sąsiedzi jego sąsiadów, i wykorzystać to do zbudowania zrozumienia całej półkuli, a zatem być w stanie dowiedzieć się o kontekście w mózgu - wyjaśnił Adler.
Przyjęta przez zespół strategia w analizie zmniejszyła liczbę fałszywych alarmów, zwiększając dodatnią wartość predykcyjną do 67 proc.
- jeżeli algorytm coś znajdzie, prawdopodobieństwo, iż to rzeczywiście FCD, wynosi prawie 70 proc., a mimo to nadal jesteśmy w stanie znaleźć około 65 proc. zmian, które zostały przeoczone przez ludzi – stwierdził badacz.
Grupa współpracuje w tej chwili z radiologami i chirurgami, aby wdrożyć algorytm w praktyce klinicznej. Współpracowała również z dwoma chirurgami w ramach badania klinicznego, aby wykorzystać algorytm do identyfikacji podejrzanych zmian przed wszczepieniem elektrod.
Grupa opracowała również algorytm wykrywania stwardnienia hipokampa, które odpowiada za około 10 proc. zmian pomijanych przez MRI. Opiera się on na podobnym podejściu do cech powierzchniowych z podejściami normalizacyjnymi, a grupa pracuje w tej chwili nad włączeniem obu w jeden algorytm.
- jeżeli chodzi o znajdowanie zmian, których nie widzimy, mamy teraz algorytmy do znajdowania FCD, stwardnienia hipokampa i zmierzamy w kierunku wykrywania wielu patologii - powiedział Adler.
