Sistemul automatizat de RMN îmbunătățește evaluarea terapiilor experimentale pentru accidentul vascular cerebral
Cercetătorii de la Mark and Mary Stevens Neuroimaging and Informatics Institute (Stevens INI) din cadrul Keck School of Medicine al USC au dezvoltat un sistem automatizat care utilizează RMN-ul pentru a măsura modificările țesutului cerebral în modele animale, pentru studii multicentrice mari asupra tratamentelor experimentale pentru accidentul vascular cerebral.
Prin reducerea variabilității între mii de scanări preclinice din surse diferite, sistemul automatizat are potențialul de a îmbunătăți evaluarea timpurie a noilor terapii.
Pipeline-ul de analiză a imaginilor, descris într-un nou studiu publicat în Imaging Neuroscience, a fost testat pe scanările a peste 2.000 de șoareci și șobolani la șase centre de cercetare academice. Măsurătorile sale s-au apropiat îndeaproape de cele realizate de experți umani și au contribuit la reducerea variabilității asociate cu diferențele dintre scanerele RMN și mediile de achiziție.
Sistemul a fost creat pentru rețeaua sponsorizată de Institutul Național de Sănătate (NIH), numită Stroke Preclinical Assessment Network (SPAN), care testează tratamentele potențiale pentru accidentul vascular cerebral ischemic acut în studii coordonate pe animale, înainte ca cele mai promițătoare terapii să avanseze către studiile clinice. Stevens INI servește ca nucleu de informatică și date pentru SPAN.
Înainte ca un tratament potențial să poată fi testat pe oameni, cercetătorii trebuie să aibă încredere că efectele sale au fost măsurate riguros și consistent. Acest pipeline ne oferă o modalitate obiectivă și scalabilă de a evalua leziunile cerebrale într-o rețea de cercetare extinsă.
„Un accident vascular cerebral ischemic apare atunci când un vas de sânge blocat întrerupe fluxul de sânge și oxigen către o parte a creierului. Deși multe tratamente s-au dovedit promițătoare în studiile de laborator, puține au demonstrat eficacitate la pacienți. Diferențele în modul în care studiile timpurii sunt realizate și analizate pot face rezultatele dificile de reprodus sau comparat între centrele de cercetare”, a declarat Kirsten M. Lynch.
Cercetătorii au măsurat tradițional daunele după un accident vascular cerebral experimental prin îndepărtarea creierului, colorarea secțiunilor de țesut și conturarea manuală a zonelor afectate. Această metodă poate distorsiona țesutul, depinde parțial de judecata individuală și captează doar un moment în timp. RMN-ul permite cercetătorilor să scaneze același animal de mai multe ori, urmărind leziunile timpurii și umflarea, precum și pierderea de țesut care se dezvoltă ulterior. Totuși, analizarea a mii de scanări colectate pe echipamente diferite creează o altă provocare.
„Scala SPAN a făcut automatizarea esențială”, a afirmat Ryan Cabeen. „Aveam nevoie de o metodă care să poată procesa mii de scanări aplicând aceleași reguli fiecărei imagini, indiferent de locul în care au fost colectate datele.”
Pipeline-ul verifică calitatea imaginilor, ajustează pentru diferențele între scanere, identifică creierul și măsoară țesutul afectat, umflarea, deplasarea și pierderea de țesut pe termen lung. Folosește un model de învățare profundă pentru a separa creierul de os, mușchi și alte țesuturi înconjurătoare. Sistemul aplică apoi metode transparente, bazate pe reguli, pentru a identifica leziunile cauzate de accidentul vascular cerebral, fără a se baza în întregime pe inteligența artificială.
„Am dorit ca cercetătorii să înțeleagă cum au fost produse rezultatele”, a spus Lynch. „O metodă poate fi foarte automatizată fără a deveni o cutie neagră. Combinația de învățare profundă și reguli transparente de procesare a imaginilor ne-a oferit atât robustețe, cât și interpretabilitate.”
Studiul a inclus 2.442 de șoareci și șobolani. Peste 2.200 au fost scanați la două zile după un accident vascular cerebral indus experimental, iar 1.750 au primit un alt scan la aproximativ o lună mai târziu. Atunci când cercetătorii au comparat rezultatele automate cu leziunile conturate manual de experți în imagistică, măsurătorile au arătat o concordanță extrem de apropiată. Pipeline-ul a funcționat cu o consistență similară cu cea a unui evaluator uman, comparativ cu doi evaluatori umani între ei.
Sistemul a redus, de asemenea, variația legată de diferite scanere și medii de imagistică, permițând aceeași abordare de analiză să funcționeze în toate cele șase centre de cercetare. Software-ul a procesat cu succes majoritatea scanărilor, în ciuda diferențelor în specii, echipamente, intensitate a câmpului magnetic și calitate a imaginilor.
Cercetătorii au făcut software-ul și datele RMN disponibile public pentru ca alte grupuri să poată reproduce constatările și să adapteze pipeline-ul pentru studii viitoare. Instrumentul a fost conceput pentru modele animale standardizate și nu este destinat analizei leziunilor mai variate datorate accidentului vascular cerebral întâlnite la pacienți. Totuși, cadrul său ar putea fi extins pentru a include metode suplimentare de imagistică și măsuri ale rezultatelor țesutului cerebral.
„Studiile mari, colaborative necesită instrumente care să producă rezultate fiabile între instituții”, a declarat Arthur W. Toga. „Prin combinarea imagisticii avansate, inteligenței artificiale, armonizării datelor și calculului de înaltă performanță, această lucrare oferă o bază reproducibilă pentru evaluarea tratamentelor experimentale pentru accidentul vascular cerebral care au cel mai mare potențial să avanseze către testare clinică.”
