Computer visie, of de methode om machines de mogelijkheid te geven afbeeldingen op een geavanceerde manier te verwerken, heeft de laatste jaren meer aandacht gekregen van onderzoekers. Het is een brede term die bedoeld is om alle middelen te omvatten waarmee beelden kunnen worden gebruikt om medische doelen te bereiken. Toepassingen variëren van het automatisch scannen van foto's die zijn gemaakt op mobiele telefoons tot het maken van 3D-weergaven die helpen bij patiëntevaluaties tot het ontwikkelen van algoritmische modellen voor gebruik op de eerste hulp in gebieden met weinig service.

Aangezien toegang tot een groter aantal afbeeldingen de onderzoekers kan voorzien van een gegevensvolume dat ideaal is voor het ontwikkelen van betere en robuustere algoritmen, een verzameling beelden die zijn verbeterd, of ontdaan van identificatiegegevens van patiënten en vervolgens gemarkeerd in kritieke gebieden, kan een enorm potentieel hebben voor onderzoekers en radiologen die bij hun werk afhankelijk zijn van fotografische gegevens.

Vorige week, het MIT Laboratorium voor Computerfysiologie, een onderdeel van het Institute for Medical Engineering and Science (IMES) onder leiding van professor Roger Mark, lanceerde een preview van hun MIMIC-Chest X-Ray Database (MIMIC-CXR), een opslagplaats van meer dan 350, 000 gedetailleerde thoraxfoto's verzameld gedurende vijf jaar van het Beth Israel Deaconess Medical Center in Boston. Het project, zoals de vorige MIMIC-III van het lab, die patiëntengegevens van meer dan 40 in de intensive care herbergt, 000 verblijven op de intensive care, is gratis en staat open voor academische, klinisch, en industriële onderzoekers via de onderzoeksbron PhysioNet. Het vertegenwoordigt de grootste selectie van openbaar beschikbare thoraxfoto's tot nu toe.

Met toegang tot de MIMIC-CXR, gefinancierd door Philips Research, geregistreerde gebruikers en hun cohorten kunnen gemakkelijker algoritmen ontwikkelen voor veertien van de meest voorkomende bevindingen van een thoraxfoto, inclusief longontsteking, cardiomegalie (vergroot hart), oedeem (overtollig vocht), en een doorboorde long. Door visuele markers te koppelen aan specifieke diagnoses, machines kunnen clinici gemakkelijk helpen om sneller nauwkeurigere conclusies te trekken en dus meer zaken afhandelen in een kortere tijd. Deze algoritmen kunnen vooral gunstig zijn voor artsen die in ondergefinancierde en onderbemande ziekenhuizen werken.

"Landelijke gebieden hebben doorgaans geen radiologen, " zegt onderzoekswetenschapper Alistair E.W. Johnson, mede-ontwikkelaar van de database samen met Tom J. Pollard, Nathaniel R. Greenbaum, en Matthew P. Lungren; Seth J. Berkowitz, directeur radiologie informatica innovatie; Chih-ying Deng van de Harvard Medical School; en Steven Hoorn, associate director van spoedeisende geneeskunde informatica bij Beth Israel. "Als je een kamer vol zieke patiënten hebt en geen tijd hebt om een ​​deskundige radioloog te raadplegen, dat is ergens waar een model kan helpen."

In de toekomst, het lab hoopt het röntgenarchief te koppelen aan de MIMIC-III, waardoor een database wordt gevormd die zowel patiënt-IC-gegevens als afbeeldingen bevat. Er zijn momenteel meer dan 9, 000 geregistreerde MIMIC-III-gebruikers die toegang hebben tot kritieke zorggegevens, en de MIMIC-CXR zou een zegen zijn voor mensen in de intensive care-geneeskunde die klinische gegevens willen aanvullen met afbeeldingen.

Een andere troef van de database ligt in de timing. Onderzoekers van de Stanford Machine Learning Group en het Stanford Center for Artificial Intelligence in Medicine and Imaging hebben in januari een vergelijkbare dataset vrijgegeven, verzameld gedurende 15 jaar in het Stanford Hospital. Het MIT Laboratory for Computational Physiology en Stanford University-groepen werkten samen om ervoor te zorgen dat beide vrijgegeven datasets konden worden gebruikt met minimale inspanning voor de geïnteresseerde onderzoeker.

"Met studies in één centrum, je weet nooit zeker of wat je hebt gevonden voor iedereen geldt, of een gevolg van het type patiënten dat het ziekenhuis ziet, of de manier waarop het zijn zorg geeft, Johnson zegt. "Daarom zijn multicenter-onderzoeken zo krachtig. Door samen te werken met Stanford, we hebben in wezen onderzoekers over de hele wereld in staat gesteld om hun eigen multicenter-onderzoeken uit te voeren zonder de miljoenen dollars uit te geven die normaal gesproken kosten."

Net als bij MIMIC-III, onderzoekers kunnen toegang krijgen tot MIMIC-CXR door eerst een training te volgen over het managen van menselijke proefpersonen en vervolgens akkoord te gaan met het citeren van de dataset in hun gepubliceerde werk.

"De volgende stap zijn gratis tekstrapporten, ", zegt Johnson. "We gaan meer richting het hebben van een volledige geschiedenis. Wanneer een radioloog naar een thoraxfoto kijkt, ze weten wie de persoon is en waarom ze daar zijn. Als we het leven van radiologen gemakkelijker willen maken, de modellen moeten weten wie de persoon is, te."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.