AI pomáhá s diagnostikou CMP už ve více než polovině center

Více než polovina iktových center v České republice využívá AI pro rychlou a přesnou diagnostiku cévní mozkové příhody. „Implementace zabere maximálně pár týdnů a data zůstávají v bezpečí,“ říká David Balo ze společnosti Brainomix. Jejich systém Brainomix 360 už lékařům pomáhá rychle a konzistentně rozlišit krvácení od ischémie, kvantifikovat poškozenou tkáň, zhodnotit reverzibilitu poškození, a velmi tak pomoci s rozhodováním o dalším postupu léčby. To vše mohou dělat lékaři i na dálku prostřednictvím mobilní aplikace.

• CT vyšetření má u cévní mozkové příhody zcela zásadní význam. V poslední době do této oblasti diagnostiky vstupuje umělá inteligence. Vaše společnost je jedním z lídrů na tomto poli. Mohl byste shrnout, co dnes zcela reálně může umělá inteligence klinikům přinést?

Naše řešení, nazvané Brainomix 360, představuje pro klinika komplexní systém pro hodnocení nejběžnějšího zobrazovacího postupu, tedy CT. Poskytuje velmi rychle kvantifikované výsledky o rozsahu časných ischemických změn a dokáže identifikovat i tkáň, která je ještě zachranitelná. Některé z těchto parametrů lze manuálně určit jen obtížně či vůbec ne, takže přínosem je hlavně rychlost a konzistentnost. Zároveň systém slouží jako „druhý názor“ pro lékaře, který se na základě těchto výstupů může snáze rozhodovat o následné léčbě.

• Jak v praxi probíhá validace těchto systémů? O co se opírají?

Použití jakýchkoli medicínských či zdravotnických prostředků se vždy opírá o důkazy a prokázanou funkčnost. Proto systémy ještě před samotnou certifikací procházejí důkladnou klinickou validací. Ta může probíhat různými způsoby – často se posuzuje prediktivní schopnost algoritmů v porovnání s reálnými výsledky léčby, tzv. klinickým outcomem. Někdy se také měří senzitivita a specificita v porovnání s hodnocením expertních neuroradiologů nebo s jejich konsensem.

Je ale důležité zdůraznit, že nejpřesnější diagnostiku v klinické praxi člověk získá, když je umělá inteligence využívána jako komplementární nástroj, tedy druhý názor vedle lékařského posouzení. Z hlediska validity se tedy buď srovnává přímo s klinickými výsledky pacientů, nebo s posudky vysoce erudovaných odborníků v neuroradiologii.

VIDEO: Rozhovor s Davidem Balem si můžete pustit také zde: 

• Mohli bychom být konkrétnější u jednotlivých fází diagnostického procesu – od nativního CT přes CT angiografii až po vyšetření perfuze? Co umělá inteligence přináší v těchto jednotlivých vyšetřeních?

Každý pacient, u kterého se objeví příznaky cévní mozkové příhody, je nejprve vyšetřen neurologem – ten určí tzv. klinický stav. Následně pacient jde na CT, aby se vyloučilo krvácení. To sice představuje menší část cévních mozkových příhod, ale samozřejmě je tam zastoupeno. Náš systém pomáhá nejen s kvantifikací a vyhodnocením rozsahu a závažnosti cévní mozkové příhody, ale také s rozlišením, zda se jedná o ischemickou, nebo krvácivou cévní mozkovou příhodu.

V první fázi jde tedy především o uzavřenou cévu, což je nejčastější příčina cévní mozkové příhody. Zde systém přesně identifikuje tzv. časné ischemické změny, které nejsou vždy rozpoznatelné pouhým okem v nativním CT snímku. Pracuje tzv. na voxelové bázi – tedy analyzuje každý „objemový bod“ v CT snímku. Výstupem je kvantifikované posouzení rozsahu akutních ischemických změn a tzv. ASPECT skóre, což je semikvantitativní metoda určující významnost postižení v klíčových oblastech mozku.

Jakmile se potvrdí, že jde skutečně o cévní mozkovou příhodu, nastupuje CT angiografie, kde se podáním kontrastní látky zobrazí struktura mozkových cév. Systém provede segmentaci všech zviditelněných cév a vyhledá místa jejich uzávěru – tedy segmenty, kde už neproudí krev. Zároveň vyhodnocuje stav tzv. kolaterálního řečiště, což je náhradní zásobení mozku přes další cévy. Dobrá kolaterální cirkulace může hrát zásadní roli v tom, jak velká část mozkové tkáně zůstane nepoškozena navzdory uzavření hlavní cévy.

Třetí metodou je CT perfuze, dynamické vyšetření s kontrastní látkou, kdy se provede několik scanů přibližně v čase 50 až 60 vteřin. Získá se tak série snímků, podle nichž systém vyhodnotí časové i objemové parametry průtoku krve, např. zpoždění, případně nějaké objemové parametry, v jakém objemu je kontrast distribuován. Díky tomu dokáže určit, kolik mozkové tkáně je již nenávratně ztraceno a kolik je stále zachranitelné (tzv. penumbra). Právě tato informace je klíčová pro rozhodnutí, zda je určitý typ léčby ještě přínosem, nebo by byl naopak příliš rizikový, např. hrozba hemoragické transformace u velkého infarktového ložiska.

Všechny tyto výsledky může systém ihned odeslat i mimo nemocnici – lékař tedy nemusí být nutně přítomen na pracovišti. Prostřednictvím mobilní aplikace může i na dálku okamžitě zkontrolovat závěry a pomoci například mladším kolegům s rozhodováním o dalším postupu.

• Jak složité je všechny tyto informace implementovat do nemocničních informačních systémů a případně do PACS?

Snažíme se, aby byl ten proces co nejjednodušší. V ideálním případě lze systém nasadit v rámci jediného dne, ale protože je často nutné propojit ho s dalšími nemocničními systémy, typicky to trvá několik týdnů. Jinak instalaci máme připravenou do takové míry, že lokální IT správci nebo správci modalit s tím nemají příliš práce.

Největší výzvou je dnes spíš smluvní stránka věci, protože systém samozřejmě pracuje s pacientskými daty. Musíme proto dodržet pravidla GDPR, zákony o ochraně osobních údajů i kybernetickou bezpečnost. Jakmile systém komunikuje do internetu, musíme zachovat určité standardy, aby pacientská data zůstala v bezpečí.

• Do jaké míry je tento přístup již implementován v reálné české klinické praxi?

Mám z toho velkou radost, protože systém aktuálně běží ve více než polovině českých iktových center, přičemž v republice jich je čtyřicet pět. Takže jsme ve více než dvaceti centrech a postupně se to dál rozšiřuje. Většina těchto pracovišť systém používá nejenom klinicky, pro každodenní rozhodování, ale i v rámci prospektivní klinické studie, která je naprosto unikátní. Tady musím poděkovat výzkumné síti STROCZECH, díky níž se můžeme na tomto projektu podílet. Věřím, že výsledky ukáží konkrétní přínos implementace našeho systému v reálné iktové síti a každodenní praxi.

Rozhovor vznikl v rámci kongresového zpravodajství ze 37. českého a slovenského neurologického sjezdu pro NEURO TV.