CT'de Yapay Zeka

Siemens Healthineers'ın yeni hasta çözümü "FAST Integrated Workflow", bilgisayarlı tomografinin (BT) görüntü kalitesini artırıyor. Bu çözüm aslında bir 3D kamera, dokunmatik paneller ve akıllı yazılımdan oluşuyor. Program, tanımlanan protokole göre hastanın nasıl konumlandırılması gerektiğini hesaplar. Hasta masası daha sonra BT taraması için doğru konuma taşınır.

Önceden çok zaman alan ve hataya açık olan bu süreç, "FAST Integrated Workflow" ile otomatik hale getirilmiş ve hata payı azaltılmıştır. Artık incelenen organın çok daha kaliteli ve hatasız fotoğrafını çekmek mümkün. Hastalar doğru konumlandırılmıyor Araştırmalar, CT taraması yapılan hastaların yüzde 95'inin doğru yerleştirilmediğini gösteriyor. BT taramasında mükemmel görüntü kalitesi elde etmek ve hastaya mümkün olan en düşük dozu vermek için hasta tam olarak tarayıcının merkezine (izomerkez) yerleştirilmelidir.

Araştırmalara göre birkaç santimetrelik bir sapma bile görüntüde parazite neden olabiliyor veya radyasyon dozunu artırabiliyor. Şimdiye kadar, klinik personeli vücuda yansıtılan lazer işaretleriyle çalıştı. Ancak hastanın karmaşık anatomisi nedeniyle doğru bölgeyi belirlemek genellikle çok zordu. Mesleki deneyim önemli bir rol oynasa da, doktorların kendi vücut tipleri farklı olduğu için hasta ve tablo hakkındaki görüşleri ciddi sapmalara neden olabiliyordu. Tarama otomasyonu ürün müdürü Thomas Böttger, "Klinik kullanıcıları birkaç yıldır tarayıcının hassas hasta konumlandırması için bir 'göze' sahip olmasını talep ediyor" diyor.

Bu iyileştirme, hastanın otomatik olarak doğrudan tarayıcının izomerkezinde konumlandırıldığı anlamına gelir. hastanın uzun ya da kısa, kilolu ya da zayıf olmasına bakılmaksızın tek bir düğme dokunuşuyla. BT'de optimal hasta pozisyonunu otomatik olarak gerçekleştirebilen ilk ticari çözüm olan bu yöntem, Siemens Healthineers imzasını taşıyor. İyi bir kombinasyon Birkaç yıl önce uzmanlar bu soruna çözüm aramaya başladığında, verileri yapay zekaya dayalı algoritmalarla değerlendirilen FAST 3D kameraların görüntü kombinasyonları umut vericiydi.

Bu amaçla ABD, Princeton'daki Siemens Healthineers'daki görüntüleme uzmanları derin bir öğrenme yöntemine karar verdi. Yapay zekanın bir alt bilimi olan derin öğrenme, büyük hacimli verilerden içgörüler elde etmek için yapay sinir ağlarını kullanır ve öğrenilen ile yeni içeriği sürekli olarak eşleştirir. BT tarayıcılarının "gözleri" olan bu tür algoritmalar, büyük hacimli klinik verileri kullanarak bir hastanın BT masası üzerindeki konumunu ve açısını üç boyutlu olarak nasıl modelleyeceğini öğrenmeye başlamıştır. Bu algoritmalar, Vision Technologies Solutions araştırma direktörü Terrence Chen ve ekibi tarafından geliştirilmiştir. Hasta masasının üzerindeki tavana monte edilmiş bir FAST 3D kamera, yatan hastanın görüntüsünü yakalar. Yazılım mekansal olarak hastanın vücut hatlarını belirler ve kızılötesi kamera ile hasta giysi veya battaniye giyse bile yanılmaz.

Bu sistem daha sonra tanımlanmış bir protokole göre ideal izomerkez seçer. Manuel ince ayar, AI parmağıyla işaretlenen sınır çizgileri kaydırılarak daha sonra yapılabilir, ancak buna nadiren ihtiyaç duyulur. Şimdi tek yapmanız gereken düğmeye basmak. Daha sonra masa, hastayı tarama için en uygun konuma getiri

r. Chen, "Buradaki en büyük zorluklardan biri, bu algoritmaların farklı çalışma koşullarından bağımsız olarak hastaları doğru bir şekilde tanımlamayı öğrenebilmesi için yeterli eğitim verisi toplamaktır" diyor. Siemens Healthineers'ın küresel işbirliği sayesinde araştırmacılar, farklı vücut boyutları ve araştırma koşulları için yeterli veri toplayabildiler. Full Support Scanner Technologies'in kısaltması olan FAST, halihazırda onaylanmıştır ve kliniklerde kullanılmaya devam etmektedir. Uzmanlara göre gelecekte çok daha önemli hale gelecek. Ürün Müdürü Böttger, "BT incelemelerinin sayısı sürekli artmasına rağmen, bu incelemeler için gereken klinik uzmanların sayısı aynı oranda artmıyor" diyor. Bu nedenle yapay zeka, hasta sağlığı açısından sadece güvenilir tanı için görüntü kalitesini iyileştirmeye ve radyasyon dozunu belirlemeye değil, aynı zamanda verimliliği artırmaya ve hasta bekleme sürelerini azaltmaya da odaklanmalıdır.