Λογισμικό απεικόνισης υπερήχων υψηλής ανάλυσης, συμβατό με πολλά μηχανήματα υπερήχων, θα μπορούσε να βελτιώσει εκθετικά τόσο τη λεπτομέρεια όσο και την ποιότητα της εικόνας.
Ο υπέρηχος χρησιμοποιείται συνήθως για την παρακολούθηση της ανάπτυξης ενός μωρού καθώς μεγαλώνει μέσα στη μητέρα του. Αλλά η απεικόνιση με υπερήχους μπορεί επίσης να χρησιμοποιηθεί για τη διερεύνηση ύποπτων μαζών ιστού και οζιδίων που μπορεί να είναι καρκινικά. Οι όγκοι αποτελούνται όχι μόνο από καρκινικά κύτταρα αλλά και από μια μήτρα μικρών αιμοφόρων αγγείων, ή μικροαγγείων, που δεν μπορούν να φανούν στις εικόνες που παράγονται από συμβατικά μηχανήματα υπερήχων.
Για να λύσουν αυτό το πρόβλημα, ο γιατρός-επιστήμονας Azra Alizad, M.D., και ο επιστήμονας βιοϊατρικής μηχανικής Mostafa Fatemi, Ph.D., συνεργάστηκαν στην Mayo Clinic για να σχεδιάσουν και να μελετήσουν ένα εργαλείο που μπορεί να βελτιώσει την ανάλυση της υπερηχογραφικής απεικόνισης. Όπως αποδεικνύεται σε ερευνητικά ευρήματα που δημοσιεύθηκαν τον περασμένο Απρίλιο στο European Radiology, ανέπτυξαν λογισμικό απεικόνισης υπερήχων υψηλής ανάλυσης, συμβατό με πολλά μηχανήματα υπερήχων, που θα μπορούσε να βελτιώσει εκθετικά τόσο τη λεπτομέρεια όσο και την ποιότητα των εικόνων.
Το ερευνητικό λογισμικό, το οποίο ονόμασαν ποσοτική απεικόνιση μικροαγγείων υψηλής ευκρίνειας (q-HDMI), έχει αξιολογηθεί για τη λήψη υψηλής ανάλυσης 2D και 3D εικόνων μικροαγγείων τόσο μικρού όσο 150 μικρά, περίπου διπλάσιο από το πλάτος μιας ανθρώπινης τρίχας. «Εάν μπορούμε να οπτικοποιήσουμε και να συλλάβουμε το μικροαγγείο στα πιο πρώιμα στάδια του καρκίνου, μπορούμε να το διαγνώσουμε και να το αντιμετωπίσουμε καλύτερα νωρίτερα, κάτι που βελτιώνει το αποτέλεσμα για τον ασθενή», λέει ο Δρ Alizad, ο οποίος ειδικεύεται στην τεχνολογία υπερήχων για την απεικόνιση του καρκίνου.
Η τεχνητή νοημοσύνη βοηθά στην ανίχνευση αυτού που δεν μπορούμε να δούμε
Επιπλέον, οι ερευνητές εντόπισαν μια σειρά βιοδεικτών που αντιπροσωπεύουν συγκεκριμένα χαρακτηριστικά μικροσκοπικών αγγείων, όπως σχήμα, μοτίβο, ανωμαλία και πολυπλοκότητα, και τα συσκεύασαν σε έναν αλγόριθμο που μπορεί να ταξινομήσει τα δεδομένα της εικόνας σε καλοήθεις ή κακοήθεις μάζες. «Αυτή η τεχνολογία παρέχει μια ποσοτική τιμή που δείχνει την πιθανότητα κακοήθειας», λέει ο Δρ Φατέμι. «Είναι ένα εργαλείο για την εξαγωγή πληροφοριών με τρόπο που μπορεί να είναι χρήσιμος στους κλινικούς γιατρούς».
Εφαρμόζοντας τη θεωρία στην πράξη
Σε μια κλινική μελέτη που δημοσιεύθηκε τον περασμένο Νοέμβριο στο Breast Cancer Research, οι ερευνητές έδειξαν ότι το νέο τους εργαλείο q-HDMI σε συνδυασμό με τεχνητή νοημοσύνη (AI) ήταν σε θέση να ανιχνεύσει μια πολύ μικρή, πλάτους 3 χιλιοστών, κακοήθη μάζα καρκίνου του μαστού που αποτελείται από μικροσκοπικά αγγεία σε γυναίκα 40 ετών. Η εύρεση και η θεραπεία καρκινικών βλαβών όταν έχουν αυτό το μέγεθος πριν εξαπλωθούν ή κάνουν μεταστάσεις, μπορεί να είναι σωτήρια.
Οι ερευνητές εφάρμοσαν το λογισμικό και τον αλγόριθμό τους για να αναλύσουν περαιτέρω τις ύποπτες μάζες του μαστού από 521 ασθενείς που είχαν ήδη λάβει συμβατική υπερηχογραφική απεικόνιση. Τα αποτελέσματα ήταν εκπληκτικά. Η νέα τεχνολογία απέδωσε σχεδόν 100% ποσοστό ακρίβειας στον προσδιορισμό κακοήθων έναντι καλοήθων μαζών, ανεξάρτητα από το μέγεθος του όγκου.
Πιο πρόσφατα, οι ερευνητές ανέλυσαν οζίδια του θυρεοειδούς από 92 ασθενείς. Τα οζίδια του θυρεοειδούς είναι κοινά και συχνά είναι δύσκολο να γίνει διάκριση μεταξύ καρκινικών και μη καρκινικών μέσω της απεικόνισης. Ωστόσο, ο επιπολασμός του καρκίνου του θυρεοειδούς έχει αυξηθεί τις τελευταίες δεκαετίες.
«Με τις συμβατικές εικόνες υπερήχων, οι γιατροί μπορούν να διαγνώσουν εάν ένας όζος του θυρεοειδούς είναι καλοήθης ή κακοήθης με μόνο περίπου 35%-75% ακρίβεια», λέει ο Δρ. Alizad. Αυτός είναι ο λόγος για τον οποίο οι γιατροί συχνά επιλέγουν να πραγματοποιούν βιοψίες θυρεοειδούς, οι οποίες τους επιτρέπουν να προσδιορίσουν πιο οριστικά εάν ένας όζος του θυρεοειδούς προκαλεί ανησυχία.
Οι ερευνητές εντόπισαν 12 βιοδείκτες που μπορούν να διαφοροποιήσουν τους καλοήθεις από τους κακοήθεις ιστούς του θυρεοειδούς. Προγραμμάτισαν τον αλγόριθμο που τροφοδοτείται από AI με αυτούς τους βιοδείκτες, οι οποίοι ταξινόμησαν τις εικόνες και είχαν ποσοστό ακρίβειας 84%. Αυτά τα αποτελέσματα δημοσιεύτηκαν στο περιοδικό Cancers και υπογραμμίστηκαν από τα Εθνικά Ινστιτούτα Υγείας.
«Αν πρόκειται για καρκίνο, σίγουρα θέλουμε να το μάθουμε. Αλλά αν μπορούμε να προσδιορίσουμε εάν ένας όζος του θυρεοειδούς είναι καλοήθης χωρίς καν να χρειαστεί να κάνουμε βιοψία, αυτό είναι ακόμα καλύτερο καθώς απαλλάσσει τον ασθενή από τα οικονομικά και σωματικά βάρη που σχετίζονται με περιττή καλοήθη βιοψία», λέει ο Δρ Alizad.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
