2020. augusztus. 06., csütörtök - Berta, Bettina.
hirdetés
hirdetés

Mesterséges intelligencia a stroke-ellátásban

Nem fenyegeti a neuroradiológusok munkáját az MI

Egyelőre nem fenyegeti a neuroradiológusok munkáját a mesterséges intelligencia, amely az MR-nél jóval kevesebb információt tartalmazó CT-adatokból is viszonylag jól használható információt tud kinyerni. Ha átállunk MR alapú diagnosztikára, az alapvetően CT-re kifejlesztett formájára már nem lesz szükség – mondja a Neurológiai Praxisnak dr. Gunda Bence, a Semmelweis Egyetem Neurológiai Klinikájának adjunktusa.

hirdetés

A Semmelweis Egyetem az utóbbi időben jelentős figyelmet szentel a mesterséges intelligenciának, és az MI alapú technológiákat több orvosi területen is használják már. A Neurológiai Klinikán 2018-ban több hónapon keresztül ingyen használhattak egy, a stroke-ellátást és -kutatást megkönnyítő MI alapú szoftvert. Azóta a szerződést meghosszabbították, de beszéljünk először az előzményekről. Hogyan került önökhöz a szoftver? Ki keresett meg kit?

Az európai stroke-centrumoknak van egy önkéntes minőség-ellenőrző programja, az Angels initiative; az adatgyűjtés alapján osztályozzák a központokat, és ha jó a teljesítmény, azért díjakat lehet kapni. A Semmelweis Egyetem Neurológiai Klinikája évek óta kiemelkedően szerepel ezen, amit arany és platina díjakkal jutalmaztak. Az Angels initiative-nek szerződése van egy oxfordi, spin-offként indult, mesterséges intelligenciával foglalkozó céggel, amelynek értelmében a jó eredményt elérő stroke-osztályoknak lehetőségük nyílik arra, hogy ezt a szoftvert ingyen kipróbálják.

Mióta létezik a szoftver?

Úgy tudom, 2015-ben indult a cég ezzel a profillal, de ma már számos olyan szoftvergyártó cég van, amely a képalkotással összefüggésben döntéstámogató, kiértékelő szoftvereket készít. Az általunk használt, mesterséges intelligenciára épülő és önmagát öntanuló folyamattal tökéletesíteni képes szoftver lényege, hogy az MR-hez képest gyengébb minőségű CT-felvételekből mesterséges intelligencia segítségével tették az adatokat jól értelmezhetővé és láthatóvá ahhoz, hogy segíthessék az akut stroke-terápiás döntéseket. Mindezt az indokolja, hogy a legtöbb stroke-centrumban CT áll a kollégák rendelkezésére.

Amikor idekerült önökhöz, akkor már fel volt vértezve ezzel a tudással vagy önöknek is tanítania kellett?

Fel, legfeljebb a mi adatainkon is tovább tanulhatott.

Lehet tudni, mennyi adat futott át a szoftveren?

Biztosan több tízezer CT-adattal indult, s ki tudja, most hol tart, hiszen magától tanul.

És hogyan néz ki? Képzeljünk el egy számítógépet sok kütyüvel?

Egy szerverről van szó, ami lehet virtuális is, az a lényeg, hogy ezt a szervert integrálják a helyi rendszerekbe, amelyek kapcsolódnak a PACS képtároló és továbbító rendszerhez. Ha elkészül egy beteg CT-vizsgálata, akkor az adatok azonnal átkerülnek erre a – virtuális vagy fizikai – szerverre, ami 30 másodpercen belül kiértékeli azt, az eredményeket pedig visszaküldi a PACS rendszerbe. Ugyanúgy megjelenik tehát a belső intézményi rendszerben, mintha egy magunk által generált adatról lenne szó. A radiológusok a saját rendszerükben tudják nézni, leletezni. Ugyanez a szerver azonban nemcsak a PACS-ba küldi vissza az információt, hanem az e-mailben, webes felületen, mobiltelefon-applikáción keresztül is megjeleníthető. A felhőalapú rendszerben bárki láthatja az értékelést, akinek van hozzá jogosultsága.

Hangsúlyosan említette a 30 másodpercet. Ha orvos nézi ugyanezt a képet, neki meddig tart a kiértékelés?

Ez nyilván a tapasztalattól függ. Az orvosnak ehhez nézegetnie, számolgatnia, görgetgetnie kell és összevetnie az agyi állomány eltéréseivel az érstátuszt, alaposan meg kell néznie, melyik ér van elzáródva, hol van szűkület, milyenek a kollaterálisok, amik az elzáródott ér funkcióját átvehetik – egy viszonylag komplex kiértékelés az orvosi tapasztalattól függően 10–15 percet biztosan igénybe vesz, míg a gépnek ez jó 30 másodpercébe kerül. Azért nagy segítség a szoftver által feldolgozott CT-lelet, mert azonnal megmutatja a nagyon nehezen látható különbségeket. Tudni kell azonban, hogy ez nem diagnózis, sőt, a szoftver eleve úgy dolgozza fel a beteg adatait, hogy mi előtte be is táplálhatjuk azt, hogy a klinikai tünetek alapján melyik agyféltekében várjuk az eltérést. Orvosi diagnózison alapul tehát az egész. Döntéstámogató rendszerről van szó, arról nem, hogy nem is lesz szükség neurológusra vagy radiológusra. Miután tudjuk, hogy mi a klinikai probléma, annak megoldását segíti az algoritmus azzal, hogy sokkal gyorsabbá teszi a kiértékelést, standardizált minőségben, azaz mindegy, hogy ki ügyel, vagy éppen mennyire ért a CT kiértékeléséhez… A gép eredményét az orvosnak manuálisan, a saját szemével persze ellenőriznie kell. Hangsúlyozza is a cég, hogy nem vállal felelősséget a szoftveren alapuló döntésekért. A diagnózis kimondása az orvos feladata, de mivel a mesterséges intelligencia standard minőséget hoz rövid idő alatt, ráadásul az eredmény megosztható, az ellátás flottabb, a kollégák magabiztosabb, gyorsabb döntéseket hozhatnak a segítségével.

Mikor került önökhöz és milyen eredményeket hozott a mesterséges intelligencia alkalmazása? Tudjuk, hogy ezekről tavaly ön be is számolt a Magyar Neuroradiológiai Társaság kongresszusán, és cikk is született.

2018 tavaszától tudtuk használni a szoftvert, összesen hét hónapon keresztül.  Arra voltunk kíváncsiak, változott-e az ellátás minősége ezen idő alatt, az előző év azonos időszakához képest, úgy, hogy közben nem változott az ellátási terület, ugyanannyi volt a beteg, ugyanaz volt a stroke ellátási protokollja. Azt tapasztaltuk, hogy egyértelműen gyorsult az ellátás. A beteg beérkezésétől a terápia megkezdéséig eltelt idő rövidült: a vérrögoldó kezelés tekintetében átlag 44 percről 41 percre csökkent. A másik, a vérrögoldásnál hatékonyabb kezelés, a katéteres vérrögeltávolítás esetén fél órával rövidült az ellátási idő. Trombektómiát a közép-magyarországi régióban jelenleg csak az Amerikai úti Országos Klinikai Idegtudományi Intézetben (OKITI) végeznek. Minden olyan beteget tehát, akinek nagyérelzáródása van, mechanikus eltávolításra alkalmas a vérrög, az OKITI-be kell küldeni, és itt van jelentősége annak, hogy az eredmények, a képanyag megosztható, hiszen egy másik intézet orvosaival kell konzultálni és a szoftver gyorsasága miatt sokkal hamarabb át lehet küldeni a betegeket. 

Nem tudná ugyanezt az Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) is?

Az EESZT képmegosztásra jelenleg abszolút nem alkalmas.

Idénre ígérték a távleletezés megvalósítását.

Lehet, de a távleletezés nem akut ellátás. Egészen más követelmények vannak, ha valakinek egy percen belül látnia kell az eredményt és öt percen belül visszaszólni, hogy a beteg mehet-e vagy sem, mint egy tervezett vizsgálatnál, aminél néhány napon belül kell, hogy megszülessen a lelet egy távolban elkészült képalkotóból…  

Világos. Amikor felmérésük alapján nyilvánvalóvá vált, hogy sok tekintetben jól használható ez a rendszer, akkor önök kezdeményezték, hogy tovább alkalmazhassák a szoftvert?

A cég is érdekelt volt abban, hogy maradjon, mert bár ugyanez a szoftver működik az Amerikai úton és megvásárolta Pécs is, Kaposvár is, mi voltunk azok, akik kutatást is végeztek vele.

Tehát gyakorlatilag ma ott van az MI a hazai nagy stroke-centrumokban?

Ezt ma még nem mondhatjuk, de elképzelhető, hogy a közeljövőben sikerül ebben megállapodni a céggel. Jó lenne, ha azokban a központokban, amelyek trombektómia-képesek, ahová más centrumok is referálnak, lenne ilyen rendszer. Van erre törekvés, de úgy tudjuk, mi voltunk az egyetlenek, akik felmérést is végeztek azzal kapcsolatban, hogy mindez hogyan befolyásolta az ellátást. A cégnek jó referencia, hogy klinikai adatokra is lefordítható a segítségük, de szerepe van a szoftver maradásában annak is, hogy az eddigi retrospektív adatelemzés után kezdeményeztünk egy újabb kutatást, melyben szintén ezt a szoftvert használnánk az adatok elemzésére. A közép-magyarországi régióra terjedő kutatásban azt vizsgáljuk majd a többi közt, hogy a stroke progressziójának ütemét milyen képalkotó paraméterek jelzik előre, és ezek alapján melyik beteget milyen ellátásra érdemes küldeni.

Menjünk még közelebb a napi betegellátáshoz! Mennyire és mikorra terjedhet el a mesterséges intelligencia használata? Eljuthat ez a stroke-központokon túl mondjuk a járóbeteg-ellátásba is? Merthogy ugye a szakrendelőből a neurológus a fejfájós beteget CT-re, MR-re küldi, kaphatna ő a kezébe egy ilyen, a diagnózist gyorsító eszközt?

Nemcsak a neuroradiológiában, hanem a teljes radiológiában egyre inkább teret nyer(het) a mesterséges intelligencia, ami abban tud segíteni, hogy az egyszerűen felismerhető gyakori állapotokat és a negatív leletet felismeri. Magyarul a favágó munkát végzi el a radiológus helyett, míg a bonyolultabb, nem egyértelmű eseteket radiológus ítéli meg, de ott már a klinikussal való konzultáció is jelentős szerepet kap. Az a mesterséges intelligencia, amit mi használtunk, nem képes arra, hogy olyan dolgokat ismerjen fel, amit az ember nem.  

A járóbeteg-ellátásban ennek a szoftvernek tehát nincs értelme.

Nincs, hiszen a stroke akut fekvőbeteg-ellátást igényel, ez a szoftver az akut stroke gyanúja esetén készült kép kiértékelésére szolgál. De a teljes radiológiában a tömegleletezésben nagy segítség lehet, ha egy mesterséges intelligencia előleletezné a képet, amit az orvosnak már csak ellenőriznie kellene.

Mennyire biztos ez a módszer? Jobb a gép, mint az ember? Emlőrák esetén tettek már közzé tanulmányt arról, hogy a gép eredménye jobb – de azok alapján, amit önök felmértek, a stroke terén is igaz ez?

Az MI nem jobb, mint az ember, csak gyorsabb és standard minőséget ad. Voltak vizsgálatok arra nézve, kinél jobb az MI és kinél nem. Azt lehet mondani, hogy a gép a rezidensnél és mondjuk a stroke-képalkotásban tapasztalatlanabb radiológusnál jobb, és eléri a tapasztalt neuroradiológus szintjét.

Nemrégiben volt egy film a National Geographicon a mesterséges intelligenciáról – az onkológusok igencsak aggódtak amiatt, hogy Watson, a gép elveszi majd a munkájukat. Az önök szakterületén hosszabb távon sem kell ettől tartani?

Egyelőre nem, nem tart ott a dolog. A neuroradiológia nagyon komplex szakterület. Nem értek az onkológiához, nem akarom azt mondani, hogy az kevésbé bonyolult, mint a mi szakmánk, csak azt tudom, hogy a neuroradiológiában nagyon sok mindent kell figyelembe venni, s az egésznek van egy időfaktora is – mindezeket egy mesterséges intelligenciába egyelőre nemigen lehet mind beletáplálni. Az MI képalkotó adatokból dolgozik, míg egy neuroradiológus klinikai adatokból is. Azt gondolom, egyelőre nincsenek fenyegetve a neuroradiológusok, a szofisztikáltabb dolgokat továbbra is embereknek kell megítélniük.

Működik már az egyetem Orvosi Képalkotó Klinikája, amelyben az egyetem majdnem összes képalkotó-kapacitását egy ernyőszervezet alá vonták. Ezzel meg lehet szüntetni a redundanciákat, jobban kihasználni a kapacitásokat, és mindez fontos lépéseket alapoz meg a neurológiai képalkotás területén is. Jelenleg zajlik az MR-alapú stroke-ellátás próbaüzeme, amely lényegében feleslegessé is teszi majd a CT-alapú mesterséges intelligenciát. Ennek a szoftvernek a mesterséges intelligencia része ugyanis épp azon dolgozik, hogy a jóval gyengébb minőségű vagy jóval kevesebb információt tartalmazó CT-ből is viszonylag jól használható adatokat tudjon kinyerni. Ha MR-felvétel készül, azon jóval könnyebb tájékozódni, nincs szükség a homály oszlatására MI-val. Az automatikus kiértékelő szoftverek természetesen az MR esetén is nagyon hasznosak a sebességük és standardizáltságuk miatt, de ezek egyszerűbb algoritmus alapúak, nem öntanuló rendszerek. A CT alapú szoftver jó azokon a helyeken, ahol másra nincs lehetőség, ahol kevés a szakember az ügyeletben, óriási segítség, ha egy hálózatrendszerben a hálózat minden tagja bevonható. Ha viszont szofisztikáltabb MR-képalkotásban gondolkodunk, a mesterséges intelligencia ezen formájának már nem lesz akkora jelentősége.

 NÉVJEGY

Gunda Bence orvosi diplomáját 2005-ben a Semmelweis Egyetemen szerezte Summa cum laude minősítéssel. Neurológiai szakképzését az Agyérbetegségek Országos Központjában (OPNI) kezdte, majd a Semmelweis Egyetem Neurológiai Klinikáján folytatta, 1 évet a Lausanne-i Egyetemi Klinikán töltött.
Korán kialakult érdeklődése az agyérbetegségek iránt, ezért 2007-ben tanulmányi ösztöndíjjal a párizsi Salpetrière kórház stroke-osztályán járt, 2008-ban az ESO Stroke Summer School-ján vett részt, majd PhD ösztöndíjasként az agyi kisérbetegségek képalkotásával kezdett foglalkozni a Neurológiai Klinikán Bereczki Dániel professzor vezetésével.
2010-ben az EFNS és az Institut Servier ösztöndíjasaként egy évet a párizsi Lariboisière kórházban kutatott Hugues Chabriat professzor munkacsoportjában genetikai agyi kisérbetegségek multimodális MRI képalkotása témájában.
2013-ban a Weill Cornell Seminar in Neurology képzésén vett részt, majd a Heidelbergi Egyetem Neurológiai Klinikájának stroke-részlegén tett tanulmányutat. Ugyanebben az évben szerzett doktori fokozatot a Semmelweis Egyetem Idegtudományi Doktori Iskolájában, valamint szakvizsgázott neurológiából.
2014-ben a londoni King’s College Hospital neurológiai osztályán dolgozott, majd a plymouth-i Derriford Hospital stroke-osztályának lett osztályvezető főorvosa.
2015-ben szerzett diplomát az ESO Master in Stroke Medicine képzésén.
2016-tól a Semmelweis Egyetem Neurológiai Klinikája az állandó munkahelye, ahol fő érdeklődési köre és szakterülete az agyérbetegségek, azon belül is az akut stroke ellátása, valamint a ritka, örökletes, fiatalkori agyérbetegségek, vascularis fejfájások és mindezek képalkotása.
Köbli Anikó
a szerző cikkei

(forrás: Neurológiai Praxis)
hirdetés
Olvasói vélemény: 0,0 / 10
Értékelés:
A cikk értékeléséhez, kérjük először jelentkezzen be!