RTG z kontrastem i sztuczna inteligencja: nadzieja dla pacjentów z dysfagią

Analiza procesu połykania, zwłaszcza u osób starszych i pacjentów z chorobą Parkinsona, może stać się dzięki wsparciu sztucznej inteligencji znacznie bardziej obiektywna i precyzyjna. Zespół specjalistów w dziedzinie bioinformatyki z Uniwersytetu Fryderyka i Aleksandra w Erlangen i Norymberdze (FAU) opracowuje narzędzie, które automatycznie analizuje badania RTG z połykaniem kontrastu i ocenia, czy fizjologia połykania wykazuje patologiczne zmiany – które w skrajnych przypadkach mogą zagrażać życiu. Projekt jest finansowany przez Niemiecką Fundację Badawczą (DFG) kwotą 390 000 euro.

Połykanie to z reguły zautomatyzowany proces, któremu nie poświęcamy większej uwagi. Jednak u osób w podeszłym wieku, po udarach mózgu lub z chorobami neurologicznymi, jego fizjologia jest często zaburzona. „Jeśli resztki pokarmowe pozostaną w gardle lub trafią do dróg oddechowych, może to prowadzić do poważnych powikłań, a niekiedy do zgonu” – mówi prof. dr Andreas Kist, specjalista ds. analizy sygnałów biomedycznych na FAU. Znaczenie tego zagadnienia potwierdzają dane dotyczące choroby Parkinsona – zapalenie płuc wywołane aspiracją pokarmu to najczęstsza przyczyna zgonu u ponad 70% pacjentów z tym schorzeniem.

Sieci neuronowe uczą się anatomii

Uznaną metodą badania fizjologii połykania są badania wideo z użyciem RTG i kontrastu pokarmowego. Pokazują one drogę bolusa – tak fachowo określa się kęs pokarmowy – od jamy ustnej aż do żołądka. Najlepsze wyniki daje rejestracja z prędkością 30 klatek na sekundę. Jednak analiza takiego materiału jest żmudna, ręczna, subiektywna i podatna na błędy.

Dlatego zespół prof. Kista opracowuje metodę opartą na sztucznej inteligencji, która automatycznie analizuje nagrania. Zadanie to jest jednak bardzo złożone, ponieważ połykanie to skoordynowane działanie wielu mięśni, nerwów, kości i chrząstek. Ostateczne narzędzie musi być zdolne do identyfikowania anatomicznych punktów orientacyjnych u każdego pacjenta – niezależnie od kąta rejestracji czy producenta sprzętu diagnostycznego.

„W pierwszej fazie projektu skupiamy się na trenowaniu sieci neuronowych z wykorzystaniem danych anatomicznych” – wyjaśnia doktorantka Luisa Neubig. „Kość gnykowa, krtań, przełyk i tchawica – to wszystko musi być niezawodnie rozpoznane przez AI, zanim będzie mogła wydać ocenę fizjologii połykania”. Neubig, która studiowała inżynierię medyczną na FAU i już w pracy magisterskiej zajmowała się modelami deep learningu w analizie zachowań związanych z połykaniem, będzie kierować trzyletnim projektem. W 2023 roku zdobyła ona pierwsze miejsce w konkursie na najlepszą pracę magisterską organizowanym przez DMEA – targi cyfrowej opieki zdrowotnej.

Bologram przyspieszy decyzje kliniczne

W drugiej fazie projektu model AI ma nauczyć się śledzenia drogi kęsa pokarmowego w czasie i wykrywania ewentualnych resztek. W trzeciej fazie celem badaczy będzie przeniesienie wszystkich danych dotyczących procesu połykania do ustandaryzowanego schematu i przedstawienie ich w skondensowanej formie graficznej – tzw. bologramie. „Bologram ma umożliwić szybkie podejmowanie decyzji klinicznych” – mówi Neubig. „Zastosujemy m.in. kolory, które będą sygnalizować, czy wszystko przebiega prawidłowo, czy też konieczna jest interwencja”.

Badania zespołu z Erlangen mogą przyczynić się do większej popularyzacji badań RTG z kontrastem w niemieckim systemie ochrony zdrowia. „W USA ta metoda jest powszechna, natomiast w Europie ze względu na dawkę promieniowania częściej stosuje się badania endoskopowe” – komentuje prof. Kist. „Jednak endoskopia nie pozwala na obserwację samego aktu połykania – możliwa jest jedynie ocena stanu przed i po”. W idealnym scenariuszu wiarygodność narzędzia opartego na sztucznej inteligencji sprawi, że wystarczające okażą się nagrania z mniejszą liczbą klatek na sekundę lub rzadsze badania w trakcie terapii – co oznaczałoby istotne ograniczenie narażenia pacjenta na promieniowanie.

FAU jako ośrodek sztucznej inteligencji w medycynie

Projekt jest finansowany przez DFG kwotą 390 000 euro, która umożliwia sfinansowanie trzyletniego stanowiska doktoranckiego. Finansowanie to kolejny dowód na to, że FAU należy do czołowych niemieckich ośrodków zajmujących się sztuczną inteligencją w medycynie. Katedra kierowana przez prof. Kista działa w ramach Departamentu Artificial Intelligence in Biomedical Engineering (AIBE), powołanego w 2019 roku jako część programu Hightech Agenda Bayern. AIBE prowadzi interdyscyplinarne badania na styku medycyny i inżynierii biomedycznej.

Źródło: Friedrich-Alexander-Universität Erlangen-Nürnberg