211service.com
En snabbare Second Opinion
Programvara som jämför en patients mammografi med dem i en databas har blivit ett värdefullt verktyg för att hjälpa läkare att på ett mer tillförlitligt sätt upptäcka bröstcancer. Men eftersom storleken på dessa databaser växer, ökar tiden det tar att utvärdera en ny bild.
Bilden till vänster är ett mammografi med en region vald där en cancerös lesion kan finnas. En dator jämför det med bilder av kända cancerskador i en databas. (Kredit: Georgia Tourassi, Duke University)
Nu har forskare från Duke University utvecklat en metod för att sortera igenom tusentals mammografibilder, och plocka ut de mest informativa, på några sekunder.
Att upptäcka ett problem vid mammografi kan vara svårt. För det första kan cancerskador smälta in i bakgrunden, vilket gör dem svåra för läkare att välja ut. Mjukvarubaserade detektionssystem hjälper till att jämföra ett nytt mammografi med en databas med redan analyserade sådana, och flaggar cancerindikatorer som en läkare kan ha missat.
Det första sådana mjukvarubaserade systemet godkändes av Food and Drug Administration 1998. För närvarande används mer än 1 600 sådana system i klinisk praxis i USA. Även om systemen har visat sig öka graden av upptäckt av bröstcancer, är de fortfarande långt ifrån perfekta, och forskare försöker ständigt förbättra deras noggrannhet, säger Georgia Tourismi , professor i radiologi vid Duke University och ledande utvecklare av den nya mjukvaran.
Nyare kunskapsbaserade program, som de som används av Duke-forskarna, tillåter läkare att interagera med systemet – ställa frågor och få svar baserat på tidigare cancerfall i databasen. Att kurra igenom alla bilder i ett kunskapsbaserat system, som kan innehålla tusentals mammografi, är dock tidskrävande. När kunskapsdatabasen ökar i storlek, är den här brute force-metoden inte vettig längre, säger Tourassi.
För att påskynda bildsökningsprocessen delade Tourassi och hennes team upp den i två steg. Först letade de efter de mest användbara mammografin i databasen genom att använda bildentropi – mängden gråskalevariationer i pixlarna – på misstänkta mammografiska områden. En helsvart eller helvit bild har noll entropi, medan mer komplexa bilder har högre grader av entropi, producerade av fläckar av pixlar med varierande intensitet. Dessa fall med hög entropi uppstår runt bilder av cancerskador och är de mest användbara för att utvärdera nya mammografi.
Att jämföra entropin i bilder är en särskilt attraktiv taktik, säger Tourassi, eftersom dessa värden automatiskt beräknas för mammografi när de skickas in i Duke-databasen. Således behövs ingen extra bildbehandlingsberäkning för tekniken.
I en pilotstudie visade Duke-forskarna att genom att jämföra bildentropin av en misstänkt region i ett nytt mammografi med entropin för alla kända cancerregioner i databasen kunde de minska antalet analyserade mammografi från cirka 2 300 till 600 .
Därifrån, säger Tourassi, används en mer finkornig analys för att jämföra regionen i fråga med de kända regionerna i databasbilder. Eftersom systemet endast behöver bearbeta cirka 600 bilder helt, minskar beräkningsansträngningen med 75 procent och sökningen kan göras på några sekunder. Deras resultat presenterades denna vecka vid det årliga mötet för American Association of Physicists in Medicine i Orlando, FL.
Förutom att påskynda sökprocessen kan Duke-tekniken också förbättra upptäcktshastigheten för cancerskador, säger Maryellen Giger , professor i radiologi vid University of Chicago. Särskilt bildentropisökningar är väl lämpade för att upptäcka lesioner. Nuvarande system har en noggrannhet på 80 procent när det gäller att upptäcka denna typ av cancerindikator; Giger säger att Duke-tekniken kan förbättra den hastigheten avsevärt. Det är väldigt lovande, säger Giger.
Inom ett år kommer Duke-forskarna att lansera en studie för att utvärdera den kliniska effekten av deras nya teknik.