Bilgisayar vizyonu veya makinelere görüntüleri gelişmiş bir şekilde işleme yeteneği verme yöntemi; son birkaç yılda araştırmacılar tarafından büyük ilgi görmüştür. Tıbbi amaçlara ulaşmak için görüntülerin kullanılabileceği tüm araçları kapsaması amaçlanan geniş bir terimdir. Uygulama; cep telefonlarında otomatik olarak çekilen fotoğrafların taranmasından, hasta değerlendirmelerine yardımcı olan 3 boyutlu render oluşturmaya ve yetersiz alanlarda, acil servis kullanımı için algoritmik modeller geliştirmeye kadar uzanmaktadır.
Daha fazla sayıda görüntüye erişim; araştırmacılara daha iyi ve daha sağlam algoritmalar geliştirmek için ideal olan veri hacmini sağlamaya uygun olduğundan, hastaların tanımlayıcı detaylarını temizleyen ve daha sonra kritik alanlarda vurgulanan bir görsel koleksiyonu sunmaya uygundur. Çalışmalarında fotoğraf verilerine dayanan araştırmacılar ve radyologlar için büyük bir potansiyele sahip olabilir.
Geçen hafta, Profesör Roger Mark’ın öncülüğünde Tıbbi Mühendislik ve Bilim Enstitüsü’nün (IMES) bir parçası olan MIT Hesaplamalı Fizyoloji Laboratuvarı, MIMIC-Chest X-Ray Veri Tabanı (MIMIC-CXR) ‘nin bir ön izlemesini yaptı. Boston’daki Beth Israel Deaconess Tıp Merkezi’nden beş yıl boyunca 350.000’den fazla ayrıntılı göğüs röntgeni toplandı.
Proje, Laboratuvarın 40.000’in üzerindeki yoğun bakım ünitesinden gelen kritik bakım hasta verilerini barındıran önceki MIMIC-III gibi PhysioNet araştırma kaynağı aracılığıyla; ücretsiz ve akademik, klinik ve endüstriyel araştırmacılara açıktır. Ayrıca bugüne kadar halka açık en geniş göğüs radyografisi seçimini temsil ediyor.
Philips Research tarafından finanse edilen MIMIC-CXR’e erişim sayesinde, kayıtlı kullanıcılar; zatürre, kardiyomegali (genişlemiş kalp), delinmiş bir akciğer ve ödem de dahil olmak üzere bir göğüs röntgeni ile en sık rastlanan bulguların dördü için daha kolay algoritmalar geliştirebilir. Makineler görsel belirleyicileri spesifik teşhislere bağlayarak, klinisyenlerin daha hızlı ve daha doğru sonuçlar almasına yardımcı olabilir ve böylece daha fazla vakayı daha kısa sürede ele alabilirler. Bu algoritmalar özellikle yetersiz hastanelerde çalışan doktorlar için faydalı olabilir.
Gelecekte, laboratuvar X-ışını arşivini MIMIC-III’e bağlamayı umuyor. Böylece hem hasta ICU verilerini hem de görüntülerini içeren bir veritabanı oluşturuyor. Şu anda kritik bakım verilerine erişen 9.000’in üzerinde kayıtlı MIMIC-III kullanıcısı bulunmaktadır ve MIMIC-CXR, klinik bakım verilerini görüntülerle desteklemek isteyen kişiler için bir nimet olacaktır.
Veritabanının bir diğer varlığı, zamanlamasında yatmaktadır. Stanford Machine Learning Group ve Stanford Tıp ve Görüntüleme Yapay Zeka Merkezi’ndeki araştırmacılar; Ocak ayında Stanford Hastanesi’nde 15 yıldan fazla bir süredir toplanan benzer bir veri seti yayınladılar. Hesaplamalı Fizyoloji için MIT Laboratuvarı ve Stanford Üniversitesi grupları, yayınlanan her iki veri setinin de ilgilenen araştırmacı için asgari dayanak ile kullanılabileceğinden emin olmak için işbirliği yaptı.
MIMIC-III’te olduğu gibi, araştırmacılar ilk önce insan deneklerinin yönetimi üzerine bir eğitim kursu tamamlayarak ve ardından yayınlanmış çalışmalarında veri setini alıntılamayı kabul ederek MIMIC-CXR’ye erişebilecekler.
Araştırmacı Johnson: “Bir sonraki adım, ücretsiz metin raporları olacak. Tam bir tarihe sahip olmak için daha fazla harekete geçiyoruz. Radyologlar; hastanın göğüs röntgenine baktığında, kişinin kim olduğunu ve neden orada olduklarını biliyorlar. Tüm bunlar modeller sayesinde gerçekleşiyor.”
