APPLY SIA īsteno pētniecības projektu SIA “Farmācijas, Biomedicīnas un Medicīnas Tehnoloģiju Kompetences Centrs” projekta Nr. 5.1.1.2.i.0/2/24/A/CFLA/005 ietvaros.

Pētniecības projekta nosaukums: Uz neironu tīkla balstīta akūta išēmiska insulta radioloģisko pazīmju detekcijas prototipa papildināšana ar automātisku intrakraniālu hematomu detekciju un to veidu noteikšanu, risinājuma sadalīšana apakšdiagnozēs.

Pēdējās desmitgades laikā būtiski pieaudzis pieprasījums pēc radioloģiskiem izmeklējumiem dažādu diagnožu noteikšanā, kā rezultātā būtiski pieaudzis datu apjoms un pieprasījums pēc speciālistiem. Līdz ar to rodas nepieciešamība pēc asistējošām ierīcēm, kas palīdzētu speciālistiem ātrāk un precīzāk noteikt pacientu diagnozes. 

Iepriekšējā pētījuma ietvaros tika iegūts sekmīgi strādājošs prototips, kas spēj analizēt un noteikt izmeklējumos akūtu insultu klātesamību ar precizitāti 80%. Risinājums šobrīd spēj pacienta izmeklējumā identificēt akūta insulta gadījumu, norādot atbilstošu slāni vai slāņus, un ar siltumkaršu palīdzību precizēt konkrētu patoloģijas atrašanās vietu. Risinājums šobrīd spēj identificēt, ka pacienta izmeklējumā ir konstatēts akūta insulta gadījums, norādot, kurā/kuros slāņos tas identificēts, kā arī ar siltumkaršu palīdzību, norādot patoloģijas atrašanās vietu. 

Pētījuma mērķis ir rīku papildināt ar automātisku intrakraniālu hematomu detekciju un to dažādu veidu noteikšanu, kā arī papildināt rīku ar jauno diagnožu aprēķina algoritmu.

Galvenās aktivitātes:

1. iegūt datu bāzi ar izmeklējumiem, kas satur intrakraniālas hematomas (epidurāla, subdurāla, subarahnoidāla un intracerebrāla);
2. marķēt iegūtos izmeklējumus;
3. sadalīt esošo datu bāzi apakšdiagnozēs, atbilstoši jaunajam diagnožu sadalījumam;
4. piemācīt risinājumu analizēt dažāda veida hematomas;
5. papildināt risinājuma diagnozes aprēķināšanas algoritmu un vizualizāciju.

Pētījuma rezultātā rīks tiks papildināts ar tehnoloģiju, kas projekta beigās atbildīs TRL 7 līmenim. Tā būs lietotne, kas automatizēti spēs izgūt, apstrādāt pacienta izmeklējuma datus, noteikt pacienta diagnozi (išēmisks insults, novirze no normas, norma, intrakraniāla hematoma (epidurāla, subdurāla, subarahnoidāla un intracerebrāla) un noteikt radioloģiskās skalas ASPECT skaitli.

Publicēts:01.11.2024

Projekta Nr. 5.1.1.2.i.0/1/22/A/CFLA/004

Pētījuma nosaukums: ”Uz neironu tīkla balstīta akūta išēmiska insulta radioloģisko pazīmju detekcijas prototipa precizitātes ietekmējošo faktoru izpēte un pilnveidošana.”

Pēdējās desmitgades laikā būtiski pieaugusi radioloģisko izmeklējumu loma dažādu pataloģiju diagnostikā, īpaši patoloģiju agrīnās stadijās, kad veikt ārstēšanas kursu ir daudz drošāk un efektīvāk kā vēlīnā, attiecīgi pieaudzis datu apjoms un pieprasījums pēc speciālistiem - radiologiem. Speciālistu trūkums un liels darba apjoms noved pie specialistu pārslodzes, garām pacientu rindām un diagnostiskām kļūdām (hiperdiagnostika, hipodiagnostika). Rodas nepieciešamības pēc asistējošām ierīcēm, aplikācijām, kas nākotnē palīdzētu ātrāk un precīzāk nonākt līdz diagnozei, vienlaicīgi atslogojot speciālistus, mazinot izmaksas un cilvēka kļūdu iespējamību (1).

Mākslīgais intelekts jeb neironu tīkli ir informāciju tehnoloģiju darbarīks, kas imitē smadzeņu spēju mācīties balstoties uz iepriekš iegūtu pieredzi un specifiski sagatavotu apmācības materiālu. Šī neironu tīklu tehnoloģijas spēja ir attiecināma uz gandrīz jebkuru vizuālo materialu, tai skaitā radioloģiskiem attēliem un pataloģijām, kas redzamas attēlos. Šāda veida sistēmas jau tiek apmācītas un pielietotas gan medicīnā, gan arī citās nozarēs (video novērošana, dažādu objektu šķirošana, ceļa zīmju atpazīšana, u.c.).

Asistējoša sistēma, kas balstīta uz neironu tīklu tehnoloģiju, varētu būtiski uzlabot akūta insulta un citu pataloģiju diagnosticēšanas un ārstēšanas efektivitāti nākotnē. Šāda sistēma vienlaikus var kalpot jaunu speciālistu apmācības procesā.  

Išēmisks smadzeņu insults ir viena no biežākajām centrālās nervu sistēmas akūtām saslimšanām, kas savlaicīgi neārstēta izraisa smagu invaliditāti vai nāvi. Būtisku lomu insulta lokalizācijas un vecuma noteikšanā ieņem tieši attēldiagnostika. Hiperakūta insulta un nelielu insulta perēkļu gadījumā pataloģijas vizualizācija ir sarežģīta un laikietilpīga cilvēka acij. 

Iepriekšējā pētījumā tika izveidots uz neironu tīkliem balstīts prototips, kas 70% gadījumu spēj patstāvīgi identificēt akūta insulta pazīmes natīvos kompjūtertomogrāfijas attēlos, sertificēts radiologs 46%. Pašreizējā versijā aplikācijas paralēli korektai diagnozei var uzstādīt viltus pozitīvu diagnozi. Iespējamie viltus diagnozes iemesli un risinājumi precizitātes uzlabošanai ir identificēti - vecuma normu dažādība, simetrijas analīze starp smadzeņu puslodēm.

Šobrīd risinājums patstāvīgi nosaka izmeklējuma diagnozi, balstoties pēc visas izmeklējumā redzētās informācijas un aprēķina to pēc noteikta algoritma. Radioloģijā ir noteikta radioloģiskā skala ASPECT, kuru starptautiski izmanto diagnostikā. Tas ir skaitlis, ko aprēķina no 0-10, un tā vērtība apzīmē pacienta smadzeņu bojājumu nopietnību. Šo skaitli iegūst izmeklējumā analizējot noteiktus slāņus un identificējot tajos noteiktu pataloģiju klātesamību. ASPECT skaitļa noteikšana ir viens no rīkiem, kā uzlabot risinājuma precizitāti uinn mazināt hiperdiagnostiku. Šī skaitļa automatizēta noteikšana sniegtu iespēju radiologiem starptautiskā mērogā saprotamā veidā ikdienas darbā izmantot šo rīku diagnostikā. Līdz ar to, ir aktuāli izpētīt, kā radioloģiskās skalas ASPECT metodi implementēt šajā diagnostikas rīkā.
Pētījuma mērķis
Pētniecības projekta ietvaros plānots sasniegt šādus mērķus:

1. Paaugstināt esošā prototipa precizitāti un mazināt hiperdiagnostiku akūta insulta radioloģisko pazīmju identificēšanā natīvos kompjūtertomogrāfijas attēlos.
2. Balstoties uz esošo datorredzes risinājuma algoritmu, neironu tīklu kopu un rīka prototipu, papildus apmācīt algoritmu precīzi lokalizēt pataloģiju apgabalus.
3. Pielāgot esošo prototipa rīku radioloģiskās skalas ASPECT noteikšanas algoritma implemetnācijai, kā arī implementēt ASPECT aprēķinu un aprēķina atspoguļojumu prototipa risinājumā.

Pētījuma rezultāts
Pētījuma gala rezultāts ir tehnoloģija, kas automatizēti, neasistēti izgūst izmeklējuma datus .dicom formātā no kompjūtertomogrāfijas iekārtām, veic izmeklējuma pilnu skenēšanu un analīzi galvas smadzeņu izmeklējumiem, ar mākslīgā intelekta palīdzību veic attēlu analīzi un nosaka pacientam kādu no pētījumā iekļautajām diagnozēm, kā arī patstāvīgi aprēķina ASPECT skaitli.

Pirmreizēji publicēts:30.06.2024

Pirmā ceturkšņa aktivitāšu rezultātu atskaite // 01.04.2024 - 30.06.2024

Aktivitātes ietvaros veikto darbību apraksts:

1. Ievākti un apkpoti 400 izmeklējumi, kuros novērojama akūta insulta vai pārciesta insulta pazīmes.
2. Izmeklējumi augšupielādēti izstrādātajā vienotajā datu aprakstīšanas rīkā.
3. Datu bāze papildināta ar izmeklējumiem dažādos vecumos un akūtuma pakāpēs
4. Aktivitātes ietvaros tika veikta ievākto datu grupēšana trīs vecuma grupās (0-35, 36-65, 65-100).
5. Pēc datu sagrupēšanas, veikta izmeklējumu slāņos redzamo pazīmju salīdzināšana gan normai, gan patoloģiskiem apgabaliem.
6. Veikta rīka testēšana pa definēajām vecuma grupām.
7. Veikta vizuālo pazīmju atšķirību novērtēšana un fiksēšana.
8. Veikta datu aprakstīšanas procesa analīze un procesa uzlabojumu analīze, lai novērtētu vieksmīgāko datu aprakstīšanas risinājumu, kā arī papildinātu datu aprakstīšanas procesu ar ASPECT slāņu analīzi.
9. Veikta centralizētā datu aprakstīšanas rīka izstrāde/programmēšana.
10. Izstrādāta programmatūra izmeklējumu datu izgūšanai no centralizētā datu aprakstīšanas rīka un datu sagatavošanai tālākai datu apstrādei priekš mākslīgā intelketa risinājuma apmācīšanas.

Aktivitātes rezultāti:

• Iegūta datu bāze, kurā izgūti 400 natīvie galvas smadzeņu CT izmeklējumi.
• Definēta vecuma ietekme uz patoloģiju vizualizāciju CT izmeklējumos.
• Datu bāzē esošie izmeklējumi sadalīti 3 vecuma grupās.
• Izstrādāts jauns datu aprakstīšanas rīks, kurā centralizēti iespējams veikt datu aprakstīšanu, augšupielādi un uzraudzīšanu, kā arī apskatīt risinājuma rezultātus. Attēli no rīka apskatāmi šī dokumenta lapā 1.Aktivitātes_dati_grafiki u.c.
• Izstrādāta vienota datu aprakstīšanas metadoloģija.
• Veikta datu aprakstītāju apmācība.
• Paātrināts viena izmeklējuma aprakstīšanas laiks, salīzinot ar iepriekšejo aprakstīšanas rīku un metadoloģiju, paātrinot viena izmeklējuma aprakstīšanu 4 reizes.
• Aprakstīti un nomarķēti 150 izmeklējumi, marķējot izmeklējuma pilnās pazīmes, katrā slānī norādot tur novērojamo patoloģiju, precīzi norādot, kurā smadzeņu pusē tā redzama, norādot ASPECT slāņus un hiperdenso artēriju klātesamību.
• Validāti un pārbaudīti 150 aprakstītie izmeklējumi.
• Izpētīts un iegūta informācija, par simetrijas ass nozīmīgumu precīzā diagnozes noteikšanā šī rīka ietvaros. Kā rezultātā nolemts, ka izmeklējuma attēlu nepieciešams dalīt precīzās puslodēs, lai veicinātu rīka precizitāti.
• Iegūts prototipa algoritms, kas veic smadzeņu vielas precīzu detekciju un simetrijas ass atrašanu, lai tālāk veiktu precīzu attēla sadalīšanu puslodēs un tālāku sagatavošanu datorredzes algoritmu apstrādei.

Pirmreizēji publicēts:30.09.2024

Ceturkšņa aktivitāšu rezultātu atskaite // 01.07.2024 - 30.09.2024

1. Veikt datorredzes risinājuma papildināšanu un jauniegūto datu piemācīšanu.

2. Izpētīt un uzlabot patoloģisko apgabalu lokalizācijas un segmentēšanas metodi, izmantojot precīzāku patoloģisko apgabalu siltumkaršu ģenerēšanu.

3. Veikt datorredzes risinājuma papildinājumus, lai nodrošinātu detalizētāku katra slāņa analīzi, precīzi analizējot katra slāņa abas smadzeņu puslodes kā atsevišķus objektus.

4. Nomarķēt datu bāzē esošos izmeklējumus, norādot katra izmeklējuma ASPECT analīzes slāņus.

5. Izstrādāt automatizētu ASPECT metodei izmantojamo slāņu detekciju

6. Vecuma grupu ietekmes pielāgojumi risinājumā, diagnožu noteikšanā.

Aktivitātes rezultāti:

• Iegūta jauna metode, kā lokalizēt un izgūt patoloģisko apgabalu segmentus, izmantojot neironu tīklu modeļu ģenerētos rezultātus un siltumkaršu kombināciju, katrai smadzeņu puslodei atsevišķi.

• Iegūta jauna metode un risinājums, kas spēj veikt katra CT izmeklējuma slāņa sadalīšanu puslodēs un datu tālāku sagatavošanu algoritmu apstrādei.

• Iegūta jauna datu kopa ar būtisku apraksta papildinājumu.

• Iegūta jauna metode, kā automatizēti, bez lietotāja iesaistes risinājumā detektēt ASPECT aprēķinam nepieciešamos slāņus.

• Iegūta jauna pieeja, kā nosakot Išēmiska insulta diagnozi, izmantot vecuma pazīmi.

Projekta Nr. 1.2.1.1/18/A/005

Pētniecības projekta nosaukums: “Natīvu kompjūtertomogrāfijas attēlu radioloģiska izvērtēšana pacientiem ar akūtu išēmisku insultu priekšējā smadzeņu cirkulācijā - tehnoloģijas izstrāde un integrācija attēlu izvērtēšanas procesā pielietojot neironu tīklu”.

SIA ACCESS AV un SIA APPLY īsteno pētniecības projektu Darbības programmas "Izaugsme un nodarbinātībā" 1.2.1. specifiskā atbalsta mērķa "Palielināt privātā sektora investīcijas P&A" 1.2.1.1. pasākumā " Atbalsts produktu un tehnoloģiju izstrādei kompetences centru ietvaros".

Projekta mērķis ir izpētīt un izstrādāt neironu tīklu tehnoloģijas iespējas akūta išēmiska cerebrāla insulta identificēšanā natīvos kompjūtertomogrāfijas attēlos.

Projekta piektajā ceturksnī (01.12.2021 – 28.02.2022) tikai noslēgts pētījums kā ietvaros tika izveidots risinājuma prototips jeb sistēma, izveidota testēsanas datubāze no 150 izmeklējumiem (3750 attēli), apkopoti testēšanas rezultāti:

• Pētījuma rezultāts atbilst plānotajam - uz neironu tīkliem balstīts datortomogrāfijas izmeklējumu rīks, kurš spēj patstavīgi identificēt akūta išēmiska insulta radioloģiskās pazīmes, diferencēt akūtu išēmisku insultu no citām galvas smadzeņu patoloģijām un normāliem smadzeņu audiem priekšējā smadzeņu cirkulācijā;
• Rezultāta nozīme - izmantotā pieeja neironu tīkla apmācībā ir efektīva un pielietojama nākamajos posmos; 
• Rezultāts apstiprina izvirzīto hipotēzi, ļaujot pāriet pie pilnvērtīga produkta izveidošanas un iespējamas komercializācijas nākotnē; 

Projekta ceturtajā ceturksnī (01.09.2021 - 30.11.2021) Turpināta datorredzes algoritmu lietotnes un veikspējas testēšana, kā arī veikta diagnozes noteikšanas algoritmu papildināšana, analīze, validācija un pielāgošana. Veikta atkļūdošana algorimtu integrācijas un izstrādātāja lietonē. Izstrādāts attālinātas piekļuves risinājums neirona tīklu centralizētai validāciai un testēšanai.

Projekta trešajā ceturksnī (3.05.2021 - 02.08.2021) veikta Išēmiskā insulta analīzes un detekcijas rīka lietotnes izstrāde. Izstrādāta lietotāju grafiskā saskarne atbilstoši medicīnas datu analīzes vajadzībām. Izstrādātas produkcijas versijas datu kopas un apmācīti datu modeļi gala risinājumam. Veikta algoritmu pielāgošana gala risinājumam un algoritmu integrācija izstrādātajā lietotnē. Veikta lietotnes, datorredzes algoritmu, lietotnes stabilitātes un veiktspējas testēšana, kā arī veikta diagnozes noteikšanas algoritmu izstrāde, analīze, validācija un pielāgošana.

Projekta otrajā ceturksnī (01.02.2021 - 30.04.2021) veikta medicīnas ekspertu aprakstīto datu analīze no datorredzes viedokļa un pētītas labākās metodes medicīnas datu sagatavošanai datorredzes un mašīnmācīšanās algoritmu darbībai. Pētīts, kā un ar kādām datorredzes metodēm noteikt pacienta diagnozi izmeklējuma slāņa ietvaros, analizējot gan slāņa vispārējās iezīmes, īpatnības, gan simetriju. Izstrādāts slāņa diagnozes noteikšanas datu modelis un risinājuma prototips, kas izmanto neironu tīklu pieeju. Pētīts smadzeņu slānī atrodamo akūto išēmisko insultu un noviržu segmentācijas algoritmu kopums, precīzai noviržu apgabala lokalizācijai.

Projekta pirmajā ceturksnī (01.11.2020 – 31.01.2021) izveidots vizuālo medicīnisko datu (datortomogrāfijas attēlu) klasifikācijas apgabalu marķēšanas rīks, kas nodrošina iespēju iezīmēt gan akūtu, gan vēsturisku išēmisko insultu lokācijas, gan arī dažādus smadzeņu apgabalus kā, piemēram, “smadzeņu vēderiņi”, kalcenīti un dažādas citas anomālijas.