V Laboratoriju za slikovne tehnologije izvajajo vrhunske raziskave na področju medicinskega slikanja

Medicinske slike predstavljajo nepogrešljivo orodje v sodobni medicini za namene diagnostičnih postopkov, za spremljanje in vrednotenje učinkov zdravljenja ter za prognosticiranje kliničnih izhodov. Zaradi neinvazivnosti in dostopnosti predstavlja medicinsko slikanje pomemben del preventivne medicine, uporablja pa se tudi v znanstveno raziskovalni dejavnosti za odkrivanje in boljše razumevanje mehanizmov bolezni in tako prispeva k splošnemu izboljšanju zdravja.

Medicinsko slikanje in umetna inteligenca

Kljub izjemni uporabnosti medicinskega slikanja pa ostaja interpretacija teh slik zahtevna naloga, ki pogosto presega okvirje zmogljivosti radiologov, tako zaradi povečane količine slikovnih preiskav kot tudi zaradi kompleksnosti slikovnih vzorcev in diagnostičnih/prognostičnih nalog. Umetna inteligenca je na tem področju prinesla revolucionarne spremembe, saj njene metode odlično prepoznavajo kompleksne vzorce v slikovnih podatkih in omogočajo kvantitativne ocene značilnosti, ki so ključne za natančno diagnostiko, prognostiko in spremljanje bolezni.

Strojno učenje (angl. Machine Learning; ML) je vsesplošno uporabno v medicinskem slikanju za različne aplikacije, kot so izboljšave slik, poravnava, razgradnja in diagnostika. V zadnjih letih je globoko učenje (angl. Deep learning; DL), kot ena izmed najbolj progresivnih vej ML, še dodatno pripomoglo k izboljšavi rezultatov in reševanju prej nerešenih problemov, za kar sta zaslužni predvsem razpoložljivosti velikih javnih podatkovnih zbirk medicinskih slik in povečana računska zmogljivost strojne opreme.

V Laboratoriju za slikovne tehnologije (LST) na Fakulteti za elektrotehniko izvajajo vrhunske raziskave na področju medicinskega slikanja, zlasti na področjih razvoja in vrednotenja algoritmov večdimenzionalne in večmodalitetne poravnave in segmentacije slik, izboljšave kakovosti slik, načrtovanja in vodenja intervencij na podlagi informacije, izluščene iz medicinskih slik ter kvantitativne analize slik.

Magnetnoresonančna preiskava in možganska starost

Napoved starosti možganov na podlagi magnetno resonančnih (MR) posnetkov glave in morebitna razlika med napovedano in kronološko starostjo je splošni biomarker za vse bolezni z nevrodegenerativnim učinkom (slika 1).

V splošnem se možgani zaradi staranja postopoma krčijo, kar je posledica naravne izgube oz. propada nevronov. V primeru nevrodegenerativne bolezni ali drugih bolezni z nevrodegenerativnim vplivom pa se možgani krčijo pospešeno v primerjavi s procesom staranja, kar daje podlago za diagnostiko teh bolezni preko ocene starosti možganov iz MR slik.

V raziskavah razvili napredne arhitekture globokega učenja za regresijo možganske starosti

V nedavnih raziskavah, ki so jih opravili as. Lara Dular, prof. dr. Franjo Pernuš in izr. prof. dr. Žiga Špiclin iz Laboratorija za slikovne tehnologije so razvili napredne arhitekture globokega učenja za regresijo možganske starosti neposredno iz T1-uteženih MR posnetkov glave, dokazali ugoden vpliv napredne predobdelave T1-uteženih MR posnetkov na ponovljivost regresije možganske starosti med različnimi MR skenerji in na podlagi velike množice javno dostopnih podatkov zdravih oseb v odrasli dobi (18–95 let) predlagali standardiziran protokol BASE (angl. Brain Age Standardized Evaluation) za večparametrično vrednotenje regresijskih modelov.

Protokol BASE vključuje oceno točnosti, robustnosti, ponovljivosti in časovne konsistence ocene možganske starosti in določa metodologijo učenja, prileganja in statističnega vrednotenja regresijskih modelov. Primer vrednotenja štirih uveljavljenih modelov s protokolom BASE prikazuje slika 2.

Diagnosticiranje nevrodegenerativnih bolezni

Diagnostika nevrodegenerativnih bolezni preko ocene starosti možganov iz MR slik temelji na izračunu starostne vrzeli, to je razlika med kronološko starostjo in starostjo možganov, ki jo na podlagi MR slike napove regresijski model. Primerjalno vrednotenje starostnih vrzeli so izvedli na zdravih kontrolnih skupinah in prizadetih skupinah s spalno apnejo, sladkorno boleznijo, multiplo sklerozo (MS), Parkinsonovo boleznijo, blagimi kognitivnimi motnjami in Alzheimerjevo demenco (AD). V splošnem prisotnost bolezni poveča napovedano starost, kar pomeni, da je pričakovana starostna vrzel pozitivna. Naprimer, bolniki z nevrodegenerativnima boleznima AD in MS so kazali največje starostne vrzeli (do +6,48 oz. do +4,24 let), medtem ko so bolniki z Diabetesom tipa II kazali starostne vrzeli do +2,13 let. Pri vseh prizadetih skupinah pa so opazili trend zmanjševanja razlike z naraščajočo starostjo, kar nakazuje pristranski vpliv tako preživetja, napredovanja bolezni, terapije in prilagajanja življenskega sloga.

Raziskave so ponovljive, z javno objavljenimi podatki in programsko kodo, rezultati pa so bili objavljeni v treh izvirnih znanstvenih člankih s faktorjem vpliva v prvi četrtini revij.