آزمایشگاه ملی نقشه برداری مغز

هوش مصنوعی می‌تواند به کاهش دوز گادولینیوم در MRI کمک کند!

محققان از هوش مصنوعی (AI) برای کاهش دوز نوعی ماده کنتراست (حاجب) استفاده می‌کنند که ممکن است پس از انجام آزمایشات تصویربرداری تشدید مغناطیسی (MRI) در بدن باقی بماند.

محققان از هوش مصنوعی (AI) برای کاهش دوز نوعی ماده کنتراست (حاجب) استفاده می‌کنند که ممکن است پس از انجام آزمایشات تصویربرداری تشدید مغناطیسی (MRI) در بدن باقی بماند. این بررسی در نشست سالانه‌ی انجمن رادیولوژی آمریکای شمالی(RSNA) در 25-30 نوامبر2018 ارائه شد.

گادولینیوم یک فلز سنگین است که به عنوان ماده‌ی کنتراست‌زا و برای بهبود تصاویر MRI مورد استفاده قرار می‌گیرد. مطالعات اخیر نشان داده‌اند که مقدار کمی از این فلز در بدن افرادی که تحت آزمایشات با بعضی از انواع گادولینیوم قرار گرفته‌اند، باقی می‌ماند.

اثرات این رسوب شناخته شده نیست، اما رادیولوژیست‌ها فعالانه مشغول بهینه ساختن ایمنی بیمار هستند، در حالی که اطلاعات مهمی که اسکن‌های MRI بهبود یافته توسط گادولینیوم فراهم می‌کند، حفظ شود.

نویسنده این مقاله گفت: شواهد واقعی وجود دارد که گادولینیوم در مغز و بدن رسوب می‌کند. در حالی که پیامدهای این امر نامشخص است، کم کردن ریسک‌های بالقوه با وجود استفاده‌ي بهتر از ارزش بالینی آزمایشات MRI امری ضروری است.

محققین در استنفورد یادگیری عمیق را به عنوان راهی برای رسیدن به این هدف مطالعه کرده‌اند. یادگیری عمیق یک تکنیک پیچیده‌ی هوش مصنوعی است که به طور مثال، کامپیوترها را آموزش می‌دهد. از طریق استفاده از مدل‌هایی به نام شبکه‌های عصبی پیچیده، کامپیوتر به تنهایی نمی‌تواند تصاویر را تشخیص دهد، بلکه تفاوت‌های ظریف بین داده‌های تصویری را نیز پیدا می‌کند که یک ناظر انسانی ممکن است قادر به تشخیص آن نباشد.

برای آموزش الگوریتم یادگیری عمیق، محققان تصاویر MR از 200 بیمار که به آزمایشات MRI با کنتراست بهبود یافته برای نشانه‌های متنوع دریافت کرده بودند، استفاده می‌شود. آن‌ها سه مجموعه عکس برای هر بیمار جمع آوری کردند:

  • اسکن‌های قبل از کنتراست، که قبل از تهیه کردن کنتراست انجام می‌شود و به عنوان اسکن بدون دوز مورد استفاده قرار می‌گیرد.
  • اسکن‌های دوز کم، بعد از تهیه کردن دوز استاندارد گادولینیوم به دست می‌آید.
  • اسکن‌های دوز کامل، بعد از تهیه کردن دوز %100 به دست می‌آید.

این الگوریتم برای نزدیک کردن اسکن‌های دوز کامل از دوز کم و صفر آموخته می‌شود. عصب شناسان سپس تصاویر را برای افزایش کنتراست و کیفیت کلی بررسی کردند.

نتايج نشان داد كه كيفيت تصوير در تصاوير MR حاوی دوز پایین با الگوريتم بهبود يافته و تصاوير MR حاوی دوز کامل با کنتراست بهبود يافته به طور قابل توجهی متفاوت نيست. نتایج اولیه نیز نشان دهنده‌ي پتانسیل برای ایجاد معادل دوز کامل تصاویر MR با افزایش کنتراست بدون استفاده از کنتراست‌زا است.

این یافته‌ها نشان می‌دهد که پتانسیل این روش برای کاهش قابل توجهی در دوز گادولینیوم بدون به خطر انداختن کیفیت جهت تشخیص است.

تصاویر گادولینیوم با دوز پایین اطلاعات کلینیکی مفید غیر قابل استفاده داشتند که با استفاده از آموزش عمیق و هوش مصنوعی قابل دسترسی است.

اکنون که محققان نشان داده‌اند این روش از لحاظ فنی امکان پذیر است، می‌خواهند آن را بیشتر در محیط بالینی بررسی کنند.

تحقیقات آینده شامل ارزیابی الگوریتم در بین محدوده گسترده‌ای از اسکنرهای MRI و با انواع مختلف عوامل کنتراست می‌شود.

گونگ نویسنده‌ی ارشد مقاله گفت: ما در حال تلاش برای جایگزینی تکنولوژی تصویربرداری موجود نیستیم. ما در حال تلاش برای بهبود آن هستیم و با در نظر گرفتن ایمنی بیماران ما اطلاعات با ارزش‌تری نسبت به اطلاعات موجود تولید می‌کنیم.

گونگ جایزه انجمن رادیولوژی آمریکای شمالی را برای تحقیق خود دریافت کرد.

منبع: itonline

مترجم:‌ هانى قدرى، عضو شاخه دانشجویی نقشه برداری مغز ایران

ارسال دیدگاه

loading
خبرنامه آزمایشگاه ملی نقشه برداری مغز

عضویت در خبرنامه

با عضویت در خبرنامه آزمایشگاه ملی نقشه برداری مغز از آخرین اخبار و رویدادها مطلع شوید.

Loading