בזכות הבינה המלאכותית: קפיצת דרך ביעילות של מערכות MRI
חוקרים בטכניון ובארצות הברית פיתחו שיטה המשלבת AI ומודלים מתמטיים לטובת האצה ושיפור של סריקות רפואיות
קבוצת חוקרים מהטכניון ומארצות הברית מציגה בכתב העת Nature Communications קפיצת דרך בסריקות MRI. מדובר בשיטה חדשנית שמאיצה ומשפרת סריקות אלה בדימות של סרטן השד – מחלה שבה מאובחנים בכל שנה כ-2.3 מיליון אנשים, רובם ככולם נשים.
השיטה החדשנית שפיתחו החוקרים קרויה ELITE והיא משלבת בינה מלאכותית עם מודלים מתמטיים מתקדמים ומאפשרת לבצע הדמיית MRI דינמית במהירות ובדיוק חסרי תקדים. מחקר בין-לאומי זה שילב מומחיות בהנדסה, פיזיקה של מערכות MRI, בינה מלאכותית ורדיולוגיה קלינית.
בתמונה: הדגמה של התוצאה של ELITE בשתי מטופלות. הטכנולוגיה החלוצית מספקת רזולוציית זמן ומרחב גבוהה, מפחיתה רעשים ויזואליים וממפה באופן חד יותר את המורפולוגיה של הגידול בשד (מסומן בצהוב) ושל כלי הדם.
ד”ר אדי סולומון מהפקולטה להנדסה ביו-רפואית בטכניון, שחתום על המאמר כמחבר הראשי, מסביר כי המאמר עוסק בהדמיית MRI דינמית – טכנולוגיה חיונית באבחון סרטן השד. הדמיית MRI דינמית משמשת בעיקר לאבחון אוכלוסיות הנמצאות בסיכון גבוה לסרטן השד, והיא מאופיינת ברגישות גבוהה במיוחד – יותר מ-90 אחוזי דיוק לעומת כ-50%-60% בסריקות אולטרה-סאונד וממוגרפיה סטנדרטיות. עם זאת, היא מוגבלת מאוד במהירותה; כדי להשיג תמונות חדות נדרש זמן סריקה ארוך, המנוגד למהירות הגבוהה הנדרשת במעקב אחר חומר הניגוד הזורם ברקמה הנבדקת. בדיקות סטנדרטיות באמצעות MRI מספקות תמונה אחת בכל 1–2 דקות במקרה הטוב, קצב המגביל את היכולת לעקוב במדויק אחר הדינמיקה המהירה של חומר הניגוד.
ד”ר סולומון ועמיתיו גישרו על הפער האמור באמצעות מודל מתמטי המזהה דפוסים מבניים ותפקודיים ברקמות השונות, רשת נוירונים עמוקה (ResNet) הלומדת להסיר רעשים ועיוותים ושחזור חכם של מידע חסר מתוך מדידות חלקיות. התוצאה: הפקה של תמונה בכל שנייה.
האפשרות לעקוב באופן כמעט רציף אחר תנועתו של חומר הניגוד יאפשר לרופאים לזהות באופן מדויק גידולים קטנים, להבחין היטב בין גידולים שפירים לממאירים ולאפיין באופן מדויק יותר תכונות ביולוגיות של הגידול, כגון זרימת דם וחדירות של כלי דם. בניסוי שנערך עם 54 מטופלות הושגו שיפור בנראות הגידול לעומת שיטות קיימות, איכות תמונה גבוהה במיוחד ורגישות אבחונית גבוהה. בנוסף, קיצור זמן הבדיקה צפוי להגדיל את מספר הנשים העוברות סריקה במכשיר נתון.
מחקר זה מהווה המשך ישיר לעבודת מחקר אחרת שפורסמה לפני כשנה בכתב העת Radiology: Artificial Intelligence שבה ד”ר סולומון ושותפים מאוניברסיטת ניו יורק יצרו מאגר נתונים (Repository) יחיד בסוגו שכולל 300 סריקות של חולות סרטן שד, אשר מיועד כולו לפיתוח שיטות ב־AI.
אף שהשיטה נוסתה ספציפית על סרטן השד, החוקרים הראו כי אפשר ליישמה גם בדימות מוח, ראש וצוואר. יתר על כן, השיטה עשויה לשפר לא רק סריקות MRI אלא גם פלטפורמות דימות אחרות וכך לסלול דרך למערכות חכמות שיאפשרו דימות מהיר, מדויק ואישי ויספקו לרופאים גישה עמוקה יותר למידע ביולוגי בזמן אמת.
במחקר השתתפו חוקרים מ-Weill Cornell Medical College ומ-NYU Center for Advanced Imaging Innovation and Research. הוא נתמך על ידי מענקים מ-NIH (מכוני הבריאות האמריקאים) ו-RSNA Research (אגודת הרדיולוגיה של צפון אמריקה).
ד”ר סולומון עוסק בפיתוח שיטות סריקה ב-MRI הן מהצד החישובי והן מהצד הפיזיקלי, במטרה לא רק להאיץ את זמן הסריקה ולדייק את התמונה אלא גם להנגיש את הטכנולוגיה לאוכלוסיות חולים שסריקה במכשיר
ה- MRI מהווה עבורם אתגר לא פשוט. על נושאים נוספים – באתר קבוצת המחקר: https://www.eddysolomonlab.com/
למאמר לחצו כאן
