30 Aug 2020 by Aleksander Obuchowski PL
Category:Kategoria: projekty, Tags:Tagi: AI, medycyna, wyniki, nerki, guzy

Algorytm do rozpoznawania złośliwości guzów nerek osiąga 87% skuteczności

W ostatnim tygodniu sierpnia, w siedzibie spółki Copernicus Podmiot Leczniczy Sp. z o. o. w Gdańsku miała miejsce prezentacja rezultatów projektu TITAN (Technology in Tumor ANalysis), realizowanego przez ostatnie sześć miesięcy przez zespół Radiato.ai. System informatyczny wytworzony w ramach projektu wykorzystuje sztuczną inteligencję do oceny złośliwości guzów nerek na podstawie zdjęcia tomografii komputerowej (TK), osiągając skuteczność aż 87%.

Ocena złośliwości guzów nerek jest trudnym zadaniem

Większość pacjentów, u których występują guzy nerek, to osoby starsze, dla których operacja usunięcia guza może być ryzykowna. W takich przypadkach często bezpieczniej jest pozostawić guz i tylko go obserwować, jeśli nie jest on złośliwy. Określenie złośliwości guza nie jest jednak prostym zadaniem. Szacuje się, że obecnie w Polsce 15% do 20% operacji usunięcia nerki po wykryciu w niej guza wykonywanych jest niepotrzebnie, czyli w sytuacji kiedy guz, początkowo określony jako złośliwy, po operacji okazał się łagodny. Rocznie w Polsce jest to około 900 operacji, które bez potrzeby narażają zdrowie pacjentów. Jednocześnie, przy coraz mniejszej liczbie dostępnych specjalistów i coraz większej liczbie wykrywanych guzów (wykres poniżej), problem ten będzie w przyszłości tylko narastać. Jest to również niezwykle istotne w czasie pandemii, gdyż - według najnowszych badań - wirus SARS-CoV-2 może powodować choroby nerek nawet u 15% pacjentów.


 

Sztuczna inteligencja na pomoc 

Z pomocą przychodzi opracowany przez nas system TITAN, który przy użyciu uczenia maszynowego określa prawdopodobieństwo złośliwości guza na podstawie zdjęcia TK. Dzięki wykorzystaniu sztucznej inteligencji, lekarz uzyskuje dodatkową opinię w postaci sugestii algorytmu, w ciągu zaledwie kilkunastu sekund. Trzeba tu zaznaczyć, że system nie zastępuje diagnozy lekarskiej, a jedynie zwraca uwagę na to, które przypadki mogły zostać błędnie zaklasyfikowane. Dzięki temu systemowi, lekarze są w stanie uważniej przyjrzeć się takim guzom, skonsultować diagnozę z innymi specjalistami, bądź skierować pacjenta na dalsze badania. Taka selekcja w rezultacie może znacząco ograniczyć liczbę błędnie zdiagnozowanych guzów. Dodatkowo, jeżeli w badaniu histopatologicznym okaże się że guz faktycznie był złośliwy, lekarz może dodać taki przypadek do bazy wiedzy, co usprawni działanie algorytmu.


Współpraca Politechniki Gdańskiej ze spółką  Copernicus Podmiot Leczniczy Sp. z o. o. oraz szpitalem św. Wojciecha w Gdańsku 

Projekt realizowany był w ramach programu e-Pionier, prowadzonego przez Excento, spółkę celową Politechniki Gdańskiej, łączącego zespoły młodych programistów z instytucjami publicznymi w przygotowywaniu innowacyjnych rozwiązań z branży ICT. Problem braku narzędzi diagnostycznych wykorzystujących technologie informatyczne został zgłoszony z ramienia spółki Copernicus Podmiot Leczniczy Sp. z o. o. oraz szpitala św. Wojciecha w Gdańsku przez dr n. med. Wojciecha Narożańskiego.


“To ważny moment dla urologii, gdyż obecnie brakuje rozwiązań nieinwazyjnych do wstępnej oceny guzów nerki podejrzanych o bycie łagodnymi. Na tym rozwiązaniu może skorzystać wielu pacjentów.” ~Dr n. med. Wojciech Narożański



Do rozwiązania problemu przystąpił zespół Radiato.ai, złożony z pracowników badawczo-dydaktycznych Wydziału Fizyki Technicznej i Matematyki Stosowanej Politechniki Gdańskiej w osobach dr inż. Patryka Jasika (Team Leader) oraz dr inż. Pawła Sytego (Product Owner), studentów WFTiMS i WETI w osobach Aleksandra Obuchowskiego (Head AI Architect), Romana Karskiego (Data Scientist), Barbary Klaudel (Medical Image Specialist), Bartosza Rydzińskiego (Backend Developer) i Mateusza Anikieja (Devops), a także lekarza Mateusza Glembina z Oddziału Urologii szpitala św. Wojciecha w Gdańsku.



”Nasz zespół jest wyważoną kompilacją doświadczenia, wiedzy oraz kreatywności studenckiej. W skład zespołu interdyscyplinarnego wchodzą ludzie kompetentni oraz ambitni, z pasją realizujący określone cele, związane z tworzeniem rozwiązań o dużym znaczeniu społecznym, opartych na metodach sztucznej inteligencji. Aplikacja TITAN, pozwalająca na określanie prawdopodobieństwa złośliwości guzów nerek, jest tego dowodem.” ~Dr inż. Patryk Jasik, Team Leader


“Od wielu lat prowadzę na PG zajęcia ze sztucznej inteligencji i inżynierii oprogramowania. Wiem, jak trudno jest zorganizować zespół, który jest w stanie stworzyć dobry produkt zarówno od strony merytorycznej jak i technicznej. Tym razem to się w pełni udało.” ~Dr inż. Paweł Syty, Product Owner



Zespół Radiato.ai. Od lewej: Roman Karski, dr inż. Paweł Syty, Aleksander Obuchowski, dr

inż. Patryk Jasik, Mateusz Anikiej, Barbara Klaudel, Bartosz Rydziński, lek. Mateusz Glembin

 


Należy też podkreślić, że projekt wpisuje się ze swoją tematyką w dwa priorytetowe obszary badawcze PG - Centrum BioTechMed, zajmujące się m.in. badaniem i wdrażaniem nowoczesnych technologii z zakresu inżynierii biomedycznej oraz Centrum Technologii Cyfrowych, które koncentruje się m.in. na poprawie szeroko rozumianego bezpieczeństwa i komfortu życia społeczeństwa.

Wyniki projektu

W ramach projektu udało się zebrać ponad 15 000 zdjęć tomografii komputerowej pochodzących z niemal 400 przypadków medycznych. Pozwoliło to na zbudowanie bazy wiedzy, na której wytrenowane zostały algorytmy wykorzystujące głębokie sieci neuronowe, osiągające wysoką skuteczność 87% przy jednoczesnym wychwytywaniu 10 na 10 guzów łagodnych - co w rezultacie może przełożyć się na ocalenie niepotrzebnie usuwanych nerek. 


“Przy opracowywaniu naszego algorytmu przykładaliśmy szczególną uwagę do rozpoznawania guzów łagodnych, gdyż to właśnie poprawne ich wykrycie może potencjalnie uratować życie pacjenta. Nie było to łatwe zadanie, gdyż guzy łagodne stanowiły tylko 26% naszej bazy danych. Finalnie, jednak udało nam się, po przeanalizowaniu dziesiątek architektur sieci neuronowych i metod przetwarzania obrazów, osiągnąć wynik 10/10 poprawnie rozpoznanych guzów łagodnych.“

~ Aleksander Obuchowski, Główny Architekt AI Projektu 


Kolejną ważną kwestią w projektowaniu tego typu systemów jest prostota obsługi i szybkość działania, chcemy aby system wspomagał lekarzy a nie dodawał im pracy.



W systemie TITAN udało się opracować interfejs który w kilka sekund pozwala na załadowanie zdjęcia i zaznaczenie obszaru, w którym znajduje się  guz a diagnoza zostaje zwrócona średnio po zaledwie 17 sekundach. Pozwala to na bezpośrednią analizę przypadku podczas wizyty pacjenta i sprawia, że lekarz może na bieżąco podejmować decyzje dotyczące dalszego postępowania. 

Wykorzystanie systemu w praktyce i przyszłość projektu

System będzie w najbliższym czasie testowany w Szpitalu św. Wojciecha w Gdańsku, gdzie lekarze wykorzystywać go będą w diagnozie bieżących przypadków guzów nerek. Jest to pierwszy tego typu system w Polsce, który będzie wykorzystywany w praktyce. Zespół nie spoczywa jednak na laurach, w nadchodzących miesiącach testowane będą nowe metody przetwarzania danych oraz nowe architektury sieci neuronowych. Zbiór danych treningowych będzie cały czas powiększany, przy użyciu opracowanego przez nas precyzyjnego narzędzia do oznaczania guzów - MIDAS (Medical Image Dataset Annotation Service). 


W najbliższych planach jest przede wszystkim skupienie się na opublikowaniu wyników badań, zarówno w czasopismach medycznych jak i technicznych, związanych z uczeniem maszynowym. Ważne jest, aby dotrzeć z naszym rozwiązaniem do jak największej liczby osób tak, aby z jednej strony stale zwiększać ogólną świadomość (lekarzy, pacjentów, osób decyzyjnych) dotyczącą coraz wyższej skuteczności tego typu narzędzi, a z drugiej - już w konkretnym przypadku narzędzia TITAN - pomóc utrzymać komfort życia pacjentów, poprzez uratowanie ich nerki przed niepotrzebnym jej wycięciem.


Strona WWW zespołu Radiato.ai: https://radiato.ai/

Strona WWW projektu TITAN: https://titan.radiato.ai/


Wybrane grafiki : freepik.com