Sztuczna inteligencja może pomóc w skróceniu wieloletniej drogi do rozpoznania endometriozy. Naukowcy rozwijający projekt IMAGENDO opracowali model EndoFusion, który łączy wiedzę pochodzącą z rezonansu magnetycznego i ultrasonografii przezpochwowej. W badaniu narzędzie analizowało obrazy pod kątem dwóch istotnych cech endometriozy, osiągając średnią wartość AUC 0,827. Wyniki opublikowano w czasopiśmie „Artificial Intelligence in Medicine”.
Z tego artykułu dowiesz się…
- Jak EndoFusion wykorzystuje sztuczną inteligencję oraz dane z MRI i USG przezpochwowego do wykrywania cech wskazujących na endometriozę.
- Jakie są wyniki badań, w których AI analizowała obraz w około 18 milisekund i osiągnęła średnią wartość AUC 0,827.
- Dlaczego połączenie wiedzy pochodzącej z różnych metod obrazowania może poprawić nieinwazyjną diagnostykę endometriozy.
- Na jakim etapie rozwoju znajduje się EndoFusion i dlaczego przed zastosowaniem narzędzia w rutynowej praktyce klinicznej potrzebne są dalsze badania.
AI ma pomóc w diagnostyce endometriozy
Endometrioza pozostaje chorobą, której rozpoznanie może trwać latami. Zespół Adelaide Endometriosis Research Group podaje, że średni czas do diagnozy przekracza sześć lat. Jednym z celów programu IMAGENDO jest wykorzystanie obrazowania i sztucznej inteligencji do stworzenia szybszej, nieinwazyjnej ścieżki diagnostycznej.
Najnowszym rozwiązaniem rozwijanym w ramach tych badań jest EndoFusion. Model został zaprojektowany tak, aby wykorzystywać komplementarne informacje zawarte w obrazach MRI oraz przezpochwowej ultrasonografii (TVUS), a następnie przenosić tę wiedzę w taki sposób, by możliwa była analiza pojedynczej modalności obrazowania.
EndoFusion łączy informacje z MRI i USG
Problem polega na tym, że MRI i TVUS mają różne mocne strony w wykrywaniu zmian związanych z endometriozą. Ponadto jakość diagnostyki obrazowej, zwłaszcza ultrasonografii, może zależeć od doświadczenia osoby wykonującej i interpretującej badanie. EndoFusion ma ograniczać te niedoskonałości dzięki uczeniu multimodalnemu. Model opracowano do rozpoznawania dwóch cech obrazowych związanych z endometriozą: obliteracji zatoki Douglasa (POD) oraz zmian endometrialnych obejmujących jelito (BN). Jak podano w informacji prasowej, system generował wynik w około 18 milisekund.
Nasze narzędzie oparte na sztucznej inteligencji może pomóc w rozwiązaniu tych niedociągnięć, łącząc dane z obu narzędzi obrazowania. Dzięki temu platforma zyska wiedzę niezbędną do skuteczniejszego i wydajniejszego wykrywania obu objawów endometriozy za pomocą jednego skanu.
Ponad 9 tys. badań MRI wykorzystanych do rozwoju AI
Platforma pozostaje na wczesnym etapie rozwoju. Według informacji zespołu wykorzystano cztery zbiory danych obejmujące łącznie ponad 9 tys. badań MRI miednicy oraz ponad 800 badań USG przezpochwowego. W publikacji naukowej autorzy podają, że EndoFusion osiągnął średnią wartość AUC 0,827 (95 proc. CI: 0,790–0,861) przy ocenie wykorzystującej pojedynczą modalność obrazowania. Autorzy określają wyniki jako wstępny proof-of-concept multimodalnej, nieinwazyjnej oceny wybranych cech endometriozy.
To krok naprzód i krok naprzód, który przybliża nas do przyszłości, w której narzędzie oparte na sztucznej inteligencji będzie mogło pomóc lekarzom w szybszej i dokładniejszej diagnozie bez konieczności przeprowadzania operacji.
AI nie jest jeszcze gotowa do rutynowej diagnostyki
Wyników nie należy traktować jako potwierdzenia, że EndoFusion może już zastąpić standardową diagnostykę. Model wymaga bowiem dalszego rozwoju i walidacji, a naukowcy planują rozszerzenie zbiorów danych o kolejne markery endometriozy. To szczególnie ważne, ponieważ nawet prawidłowy wynik badań obrazowych nie wyklucza wszystkich postaci choroby. Zespół IMAGENDO podkreśla, że obrazowanie specjalistyczne dobrze sprawdza się m.in. w wykrywaniu endometriozy głębokiej i jajnikowej, ale jest mniej czułe w przypadku zmian powierzchownych.
EndoFusion może być początkiem szerszego zastosowania AI
Badacze wskazują, że podobne podejście do uczenia multimodalnego może w przyszłości znaleźć zastosowanie także w innych obszarach diagnostyki obrazowej. Wśród potencjalnych kierunków wymieniane są inne choroby ginekologiczne, rak piersi i prostaty oraz diagnostyka nieprawidłowości płodu. Projekt IMAGENDO® ma docelowo doprowadzić do stworzenia dostępnej, nieinwazyjnej metody wspierającej rozpoznawanie endometriozy. Według Adelaide University droga do zastosowania klinicznego wymaga jednak dalszych testów oraz odpowiednich zgód regulacyjnych.
Główne wnioski
- EndoFusion to eksperymentalne narzędzie AI rozwijane w ramach projektu IMAGENDO®, które łączy wiedzę z obrazowania MRI i USG przezpochwowego w celu wykrywania cech endometriozy.
- Platformę rozwijano z wykorzystaniem danych obejmujących ponad 9 tys. badań MRI miednicy oraz ponad 800 badań USG przezpochwowego.
- EndoFusion generował wynik w około 18 milisekund, a w badaniu osiągnął średnią wartość AUC 0,827 w ocenie wybranych cech endometriozy.
- Technologia pozostaje na wczesnym etapie rozwoju. Naukowcy planują rozszerzenie zbioru danych o kolejne markery endometriozy i dalszą walidację modelu przed jego potencjalnym zastosowaniem klinicznym.
Źródło:
- https://adelaide.edu.au/about/news/2026/promising-ai-tool-to-speed-up-endometriosis-diagnosis/
- https://www.sciencedirect.com/science/article/pii/S0933365726001557
