Najnowsze badania dowodzą, że algorytmy oparte na uczeniu maszynowym mogą pomóc w identyfikacji subtelnych zmian padaczkowych na obrazach MRI, takich jak ogniskowa dysplazja korowa (FCD) czy stwardnienie hipokampa. Odkrycia zaprezentowane na 78. dorocznym spotkaniu Amerykańskiego Towarzystwa Epilepsji (AES) rzucają nowe światło na możliwości zautomatyzowanej diagnostyki obrazowej.
FCD – wyzwanie dla specjalistów
Według badań aż 42–55% pacjentów z padaczką poddanych operacjom mimo ujemnych wyników MRI cierpi na FCD. Dotychczasowe próby zastosowania algorytmów maszynowych często kończyły się problemem dużej liczby wyników fałszywie dodatnich. To oznaczało dodatkowy wysiłek dla specjalistów, którzy musieli weryfikować podejrzane zmiany.
Nowy algorytm open source – skuteczność i wyzwania
Zespół badawczy z University College London, kierowany przez Sophie Adler, opracował algorytm typu open source, który analizuje powierzchnię mózgu na podstawie 33 cech. Testy przeprowadzone na grupie ponad 1000 pacjentów wykazały, że algorytm jest w stanie wykryć FCD w 65% przypadków, których wcześniej nie zauważono na MRI. Nowoczesne podejście oparte na grafowej sieci neuronowej zmniejszyło liczbę wyników fałszywie dodatnich, co pozwoliło na osiągnięcie dodatniej wartości predykcyjnej na poziomie 67%.
Praktyczne zastosowanie w klinikach
Algorytm jest obecnie wdrażany w praktyce klinicznej we współpracy z radiologami i chirurgami. Wstępne wyniki wskazują, że narzędzie może znacząco zwiększyć skuteczność planowania zabiegów, takich jak implantacja elektrod u pacjentów z padaczką.
Rozszerzanie możliwości – wykrywanie stwardnienia hipokampa
Zespół pracuje także nad integracją algorytmu do wykrywania stwardnienia hipokampa – zmiany, która odpowiada za około 10% przypadków pomijanych przez MRI. Połączenie technologii w jeden kompleksowy system otwiera perspektywę wykrywania wielu patologii jednocześnie, co może zrewolucjonizować diagnostykę neurologiczną.
Źródło:
- Medscape
