Sztuczna inteligencja poprawia jakość i skraca czas badania MRI serca

Zespół naukowców z University of Missouri School of Medicine oraz School of Engineering opracował model wspomagany sztuczną inteligencją, który potrafi przekształcać niskiej jakości obrazy serca uzyskane za pomocą rezonansu magnetycznego (MRI) w obrazy wysokiej jakości, jednocześnie skracając czas badania serca aż o 90%.

Badanie serca z wykorzystaniem rezonansu magnetycznego (MRI) zazwyczaj trwa od 30 do 90 minut. Pozwala ono uzyskać cenne informacje na temat pracy serca oraz ewentualnych nieprawidłowości. Jednak ruchy pacjenta w trakcie badania mogą negatywnie wpłynąć na jakość obrazów, czyniąc je nieostrymi lub rozmytymi.

Tutaj z pomocą przychodzi TagGen – model oparty na sztucznej inteligencji, opracowany przez naukowców z Mizzou.

– Jeśli obraz jest zamazany, istnieje bardzo niewiele sposobów na odzyskanie szczegółów lub poprawę jakości – mówi dr Changyu Sun, główny autor badania. – Ostrość obrazu przekłada się bezpośrednio na informacje kluczowe dla diagnozy klinicznej, takie jak obecność nieprawidłowych ruchów czy zaburzeń funkcji serca.

Wyższa jakość obrazów umożliwia wyraźniejsze odwzorowanie tzw. linii znacznikowych (ang. taglines), które służą do śledzenia ruchów mięśnia sercowego. Linie te pomagają lekarzom zidentyfikować obszary serca, które nie poruszają się prawidłowo lub mogą być uszkodzone. Bez nich trudno jest dokładnie ocenić funkcję skurczową serca.

Dzięki wykorzystaniu AI do poprawy jakości obrazów i skróceniu czasu potrzebnego na ich uzyskanie, lekarze mogą dokładniej obserwować bicie, skurcze i pracę serca. W przypadku braku zastosowania TagGen, badanie byłoby znacznie dłuższe, kosztowniejsze, bardziej uciążliwe dla pacjenta i dostarczałoby mniej dokładnych informacji.

– Podczas badania MRI serca pacjent proszony jest o wstrzymanie oddechu, by ograniczyć ruchy klatki piersiowej i uzyskać wyraźniejsze obrazy – tłumaczy dr Sun. – Niektóre sekwencje wymagają ponad 20 uderzeń serca, co utrudnia pacjentom zatrzymanie oddechu. Dzięki technologii TagGen wystarczą jedynie trzy uderzenia serca. Pozwala to uchwycić dane, które wcześniej byłyby niewidoczne, a jednocześnie zwiększa komfort pacjenta i skuteczność diagnostyki.

W kolejnych etapach prac dr Sun planuje dalsze udoskonalanie TagGen oraz rozwój funkcji śledzenia ruchu w obrazach MRI. Zespół pracuje również nad adaptacją tej technologii do innych typów badań, takich jak rezonans magnetyczny mózgu czy tomografia komputerowa (CT).

Dr Changyu Sun jest adiunktem w dziedzinie radiologii w Mizzou School of Medicine oraz inżynierii biomedycznej w Mizzou School of Engineering. Pełni również funkcję badacza w ramach programu NextGen Precision Health. Jego badania koncentrują się na szybkich metodach akwizycji MRI, dokładnej rekonstrukcji obrazów i zaawansowanych technikach sztucznej inteligencji.

Publikacja pt. „TagGen: Diffusion-based generative model for cardiac MR tagging super resolution” ukazała się niedawno w czasopiśmie Magnetic Resonance in Medicine. Współautorami pracy są także: dr Cody Thornburgh (radiolog, MU Health Care), Yu Wang (specjalista obrazowania), dr Senthil Kumar (kardiolog, MU Health Care) oraz dr Talissa Altes (radiolog, MU Health Care).

Źródło: Magnetic Resonance in Medicine
DOI: 10.1002/mrm.30422