ИСТИНА

В настоящее время в мире наблюдается растущий интерес к использованию объективной диагностической информации, получаемой из медицинских изображений. В настоящей работе предложено применение современных методов обработки изображений и машинного обучения в решении клинических задач, связанных с одним из наиболее социально значимых заболеваний – острым нарушением мозгового кровообращения (инсульт). Стандартным методом визуализации, используемым при первоначальной диагностике инсульта, является рентгеновская компьютерная томография. В зарубежной литературе количественные и качественные параметры, видимые на изображениях и характерные для каких-либо патологических проявлений, принято называть биомаркерами изображений (БИ). Определение БИ, характеризующих состояние вещества и сосудов головного мозга, позволяет объективизировать и стандартизировать оценку острых нарушений мозгового кровообращения. Обзор литературы показывает, что за рубежом направление использования БИ активно развивается. Однако данное направление в РФ практически не разрабатывается. В связи с этим основной целью проекта является выявление на изображениях мультиспиральной компьютерной томографии (МСКТ) диагностически важных количественных показателей состояния вещества и сосудов головного мозга, являющихся маркерами острого нарушения мозгового кровообращения (ОНМК), а также предикторами осложнений и степени неврологического дефицита. Исследование направлено на разработку математических методов и алгоритмов, которые позволят из изображений, полученных в результате МСКТ, выделить наиболее значимые диагностические признаки (маркеры), характеризующие ранние проявления ОНМК. Оценка значимости маркеров проводится на основе их сопоставления с клинической информацией, полученной из документов истории болезни пациентов при использовании интеллектуальных методов распознавания на основе машинного обучения и средств работы с большими массивами многомерных данных. В результате исследований будет выполнено построение модели оценки состояния и прогнозирования изменений состояния вещества мозга и мозгового кровообращения пациента на основе комплекса маркеров МСКТ изображений и клинических данных для обеспечения системного подхода к ранней диагностике инсульта. Будет выполнена оценка возможности использования выделенных биомаркеров в качестве предикторов ОНМК, осложнений и степени неврологического дефицита.

Recently, there has been growing interest in usage of objective diagnostic information from medical images. Qualitative and quantitative features that are visible on images and are specific to different pathological changes, are called ‘imaging biomarkers’ (IB). This research is devoted to the application of modern methods of image processing and machine learning in diagnostic assessment of acute cerebrovascular accident, one of the most socially significant diseases. Computer tomography is a routine method for visualization and initial diagnostics of stroke. Determination of IBs describing brain matter and vessels will help in standardization of stroke assessment and reducing bias. The literature review demonstrates that research of IBs is developing rapidly. However, this trend is not presented in Russia. Therefore, the aim of this research is the determination of IBs from multispiral computed tomography images for characterization of cerebrovascular disease, its complications, and neurologic impairment. The research is focused on the development of mathematical approaches that allow extracting markers for early detection of stroke. Assessment of IB significance will be performed by means of comparison with clinical data from patient medical records through the use of methods of machine learning and big data analysis.Eventually, the model of assessment and prediction of brain state changes through the array of IB and clinical data will be created.

Планированные результаты выполнены и отражены в разделе итоговые результаты.

Коллектив имеет более чем 15-ти летний опыт работ в области разработки алгоритмов и программ для работы с медицинскими изображениями, которые входят в состав серийно выпускаемого группой компании «ГАММАМЕД» комплекса аппаратно-программного, предназначенного для автоматизации диагностического процесса путем оцифровки аналоговых изображений, передачи, хранения и обработки цифровых изображений, построения трехмерных моделей органов пациента с целью планирования хирургических вмешательств. Также коллектив имеет более чем 10 летний опыт работы в области методов машинного обучения и построения автоматических классификаторов и имеет патенты и программы для ЭВМ, непосредственно относящиеся к тематике проекта. Разработка алгоритмов и программ, предназначенных для работы с медицинскими изображениями, происходит в тесном сотрудничестве с ведущими научно-исследовательскими клиническими центрами. В настоящее время КАП работает более чем в 40 медицинских учреждений РФ. Получено порядка 30-ти свидетельств о государственной регистрации программ для ЭВМ в реестре программ для ЭВМ Федеральной службы по интеллектуальной собственности.

В ходе выполнения проекта был разработан комплекс алгоритмов и математических моделей, направленных на поддержку принятия врачебных решений на основе анализа КТ и КТА изображений при оказании помощи пациентам в острейшем периоде инсульта. Функциональность разработанных решений обеспечивает выполнение целого спектра задач первостепенной важности при диагностике и выборе тактики ведения данной группы пациентов. Применение нейронных сетей позволило разработать алгоритм автоматической сегментации участков головного мозга, соответствующих областям шкалы ASPECTS и бассейнам магистральных артерий. На основе размеченной коллекции КТ изображений был обучен алгоритм для автоматической сегментации гиподенсивных областей - прямых признаков ишемии. С помощью комбинации методов радиомики и скелетонизации была выделена группа диагностически значимых характеристик сосудистых деревьев, на основе которых была разработана модель оценки коллатерального статуса. Выявленный комплекс биомаркеров позволил разработать модель прогнозирования течения инсульта. Все созданные алгоритмы были программно реализованы: анализ КТ изображений в полностью автоматическом режиме занимает не более 3 минут, но при этом обеспечивает врача всей необходимой информацией для принятия решений.