Ocena efektywności klinicznej technologii BSD (B-matrix Spatial Distribution)
oraz algorytmów opartych na sztucznej inteligencji do analizy obrazów MRI w przebiegu stwardnienia rozsianego (SM).
Celem projektu jest ocena przydatności klinicznej post-processingowej korekty obrazów MRI przy pomocy innowacyjnej technologii BSD (B-matrix Spatial Distribution), testowanej dotychczas w warunkach przedklinicznych, do monitorowania przebiegu choroby u pacjentów z rozpoznaniem postaci rzutowo-remitującej stwardnienia rozsianego (SM), a także możliwości jej wykorzystania dla stworzenia algorytmów oceniających opartych na sztucznej inteligencji (AI).
Standardową metodę obrazowania zmian powstających w ośrodkowym układzie nerwowym w przebiegu SM stanowi aktualnie tomografia magnetycznego rezonansu jądrowego (MRI), wykonywana przy użyciu sekwencji T1-zależnych i T2-zależnych, FLAIR oraz DWI, w wybranych przypadkach poszerzonych o dodatkowe sekwencje DTI i DIR. U części pacjentów standardowe metody obrazowania okazują się niewystarczające dla oceny stopnia zaawansowania zmian patologicznych w przebiegu SM – zapalnych (tj. ogniska demielinizacji, w tym aktywne, wzmacniające po podaniu środka kontrastowego) oraz zwyrodnieniowych (tj. narastający zanik mózgu, którego tempo u pacjentów z SM jest ok. 6–10 krotnie przyspieszone w porównaniu do osób zdrowych).
W efekcie może dochodzić do opóźnienia włączenia odpowiedniej terapii lub jej modyfikacji, a w następstwie do pogorszenia rokowania dotyczącego zachowania sprawności przez pacjenta.
Szacuje się, że u ok. 20% pacjentów otrzymujących w programie lekowym NFZ lek tzw. I linii (tj. o dobrym profilu bezpieczeństwa, ale umiarkowanej skuteczności), kontrola choroby jest suboptymalna – pacjenci nadal wykazują aktywność kliniczną (rzuty choroby) i radiologiczną (nowe zmiany w sekwencji T2 i/lub zmiany wzmacniające po kontraście wsekwencji T1).
U takich pacjentów należy możliwe szybko przeprowadzić kwalifikację do terapii o wysokiej skuteczności (tzw. leki drugiej linii), gdyż – jak wykazały poprzednie badania – wiąże się to z poprawą rokowania w perspektywie długoterminowej.
Niestety, ograniczenia konwencjonalnego badania MRI, takie jak brak możliwości wykrycia zmian korowych, których obecność w sekwencji DIR wiąże się z narastającą niesprawnością, w tym w zakresie funkcji poznawczych, jak i oceny procesu zwyrodnieniowego (gęstość włókien nerwowych w badaniu traktografii) mogą przyczyniać się do opóźnienia rozpoczęcia terapii lekami drugiej linii. Metoda BSD (ang. B-matrix Spatial Distribution), eliminując specyficzne dla konkretnego aparatu MRI zniekształcenie jednorodnego w założeniach pola, stanowiące źródło systematycznych błędów obrazowania, testowana dotychczas w warunkach przedklinicznych, powinna dostarczyć dodatkowych informacji przydatnych w praktyce klinicznej.
Badanie przeprowadzone będzie na 150 osobowej grupie chorych z postacią rzutowo-remitująca SM pozostających w standardowej opiece neurologicznej oraz 75-osobowej grupie kontrolnej.
W obu grupach porównane będą wyniki badań MRI uzyskiwane metodą standardową oraz po korekcie BSD (odpowiednio BSD-DWI i BSD-DTI). Następnie wyniki badania MRI zostaną skorelowane ze stanem klinicznym pacjentów i osób z grupy kontrolnej, ze szczególnym uwzględnieniem zaburzeń funkcji poznawczych (poszerzona ocena neurologiczna).
Ponadto, uzyskane obrazy MRI stanowić będą materiał wejściowy do opracowania założeń algorytmów automatycznej analizy badań opartych na sztucznej inteligencji (AI).
Do segmentacji jak i detekcji obiektów w mózgu zostaną użyte, obecnie uważane za najbardziej efektywne algorytmy, modele hierarchiczne oparte o uczenie głębokie (DL).
Uzyskane wnioski pozwolą na ocenę korzyści klinicznych wynikających z zastosowania badanej technologii oraz ustalenie jej miejsca w schemacie postępowania z pacjentami SM, jak również dostarczą danych do opracowania roboczej wersji algorytmów automatyzujących proces oceny wyników badania MRI u pacjentów SM.