211service.com
Een snellere second opinion
Software die het mammogram van een patiënt vergelijkt met die in een database, is een waardevol hulpmiddel geworden om artsen te helpen op een betrouwbaardere manier borstkanker op te sporen. Naarmate de omvang van deze databases groeit, neemt de tijd die nodig is om een nieuwe afbeelding te evalueren echter toe.
Afbeelding links is een mammogram met een geselecteerde regio waar een kankerachtige laesie zou kunnen bestaan. Een computer vergelijkt het met afbeeldingen van bekende kankerlaesies in een database. (Tegoed: Georgia Tourassi, Duke University)
Nu hebben onderzoekers van de Duke University een methode ontwikkeld om binnen enkele seconden duizenden mammogrambeelden te doorzoeken en de meest informatieve eruit te pikken.
Het opsporen van een probleem in mammogrammen kan moeilijk zijn. Om te beginnen kunnen kankerachtige laesies op de achtergrond verdwijnen, waardoor ze moeilijk te onderscheiden zijn voor artsen. Op software gebaseerde detectiesystemen helpen door een nieuw mammogram te vergelijken met een database van reeds geanalyseerde mammogrammen, waardoor kankerindicatoren worden gemarkeerd die een arts mogelijk over het hoofd heeft gezien.
Het eerste op software gebaseerde systeem werd in 1998 goedgekeurd door de Food and Drug Administration. Momenteel worden in de klinische praktijk in de Verenigde Staten meer dan 1.600 van dergelijke systemen gebruikt. Hoewel is aangetoond dat de systemen de detectie van borstkanker verhogen, zijn ze nog verre van perfect, en onderzoekers proberen voortdurend hun nauwkeurigheid te verbeteren, zegt Georgia Tourassi , hoogleraar radiologie aan de Duke University en hoofdontwikkelaar van de nieuwe software.
Nieuwere op kennis gebaseerde softwareprogramma's, zoals degene die door de Duke-onderzoekers worden gebruikt, stellen artsen in staat om met het systeem te communiceren - vragen stellen en antwoorden krijgen op basis van eerdere kankergevallen in de database. Het is echter tijdrovend om alle afbeeldingen te doorlopen in een op kennis gebaseerd systeem, dat duizenden mammogrammen kan bevatten. Naarmate de kennisdatabase groter wordt, heeft deze brute force-methode geen zin meer, zegt Tourassi.
Om het zoeken naar afbeeldingen te versnellen, hebben Tourassi en haar team het in twee stappen verdeeld. Eerst zochten ze naar de meest bruikbare mammogrammen in de database met behulp van beeldentropie - de hoeveelheid grijsschaalvariatie in de pixels - op verdachte mammografische regio's. Een geheel zwarte of geheel witte afbeelding heeft geen entropie, terwijl complexere afbeeldingen een hogere mate van entropie hebben, geproduceerd door stukjes pixels met variërende intensiteit. Deze gevallen met hoge entropie treden op rond afbeeldingen van kankerachtige laesies en zijn het nuttigst bij het evalueren van nieuwe mammogrammen.
Het vergelijken van de entropie in afbeeldingen is een bijzonder aantrekkelijke tactiek, zegt Tourassi, omdat deze waarden automatisch worden berekend voor mammogrammen wanneer ze worden ingediend in de Duke-database. Er is dus geen extra beeldverwerkingsberekening nodig voor de techniek.
In een pilotstudie toonden de Duke-onderzoekers aan dat door de beeldentropie van een verdacht gebied in een nieuw mammogram te vergelijken met de entropie van alle bekende kankergebieden in de database, ze het aantal geanalyseerde mammogrammen konden verlagen van ongeveer 2.300 tot 600. .
Van daaruit wordt, zegt Tourassi, een meer fijnmazige analyse gebruikt om de regio in kwestie te vergelijken met de bekende regio's in databasebeelden. Aangezien het systeem slechts ongeveer 600 afbeeldingen volledig hoeft te verwerken, wordt de rekeninspanning met 75 procent verminderd en kan het zoeken in seconden worden gedaan. Hun resultaten werden deze week gepresenteerd op de jaarlijkse bijeenkomst van de American Association of Physicists in Medicine in Orlando, FL.
Naast het versnellen van het zoekproces, zou de Duke-techniek ook de detectiesnelheid van kankerachtige laesies kunnen verbeteren, zegt Maryellen Giger , hoogleraar radiologie aan de Universiteit van Chicago. Met name zoekopdrachten naar beeldentropie zijn zeer geschikt voor het detecteren van laesies. De huidige systemen hebben een nauwkeurigheid van 80 procent bij het detecteren van dit type kankerindicator; Giger zegt dat de Duke-techniek die snelheid aanzienlijk kan verbeteren. Het is veelbelovend, zegt Giger.
Binnen een jaar zullen de Duke-onderzoekers een studie starten om de klinische impact van hun nieuwe techniek te evalueren.