Aivorappeumatauteja voi arvioida koneoppimisen avulla luotettavasti myös aivojen TT-kuvasta

Report this content

Uudella koneoppimiseen perustuvalla menetelmällä voidaan arvioida aivojen rappeumamuutoksia luotettavasti myös tietokonetomografia (TT) -tutkimuksesta. Se mahdollistaa aivokuvien automaattisen analyysin myös potilailta, joista ei ole tai ei voida ottaa magneettikuvaa (MK), osoittaa tuore tutkimus.

Menetelmällä arvioitiin aivojen yleistä ja muistialueisiin painottuvaa rappeumaa sekä valkean aineen muutoksia. TT- ja MK-tutkimuksista lasketut rappeumamuutoksia kuvaavat arvot olivat täsmälleen samat noin 60 prosentissa tapauksissa. Menetelmä erotteli korkeintaan lievät rappeumamuutokset vaikeammista 84–90 prosentin yhteneväisyydellä TT ja MK-kuvantamismenetelmien välillä. Tulokset julkaistiin Neuroradiology-julkaisusarjassa.

–  Käytännön elämää ajatellen menetelmällä voidaan erotella taudin alkuvaiheessa olevat potilaat, jotka tulevaisuudessa hyötyisivät kohdennetuista taudin kulkuun vaikuttavista hoidoista, kun sellaisia alkaa olla saatavilla, toteaa lääketieteen lisensiaatti Aku Kaipainen, joka kehittää väitöstutkimuksessaan aivorappeumasairauksien varhaista diagnostiikkaa.

Alzheimerin tauti ja muut aivorappeumataudit yleistyvät väestön ikääntyessä. Niiden aiheuttamia muutoksia voidaan havaita esimerkiksi aivoselkäydinnestenäytteissä ja aivojen kuvantamistutkimuksissa jopa vuosikymmeniä ennen taudin oireita. Rappeumamuutoksia voidaan arvioida sekä silmämääräisillä arviointiasteikoilla että automaattisilla koneoppimispohjaisilla menetelmillä, jotka mahdollistavat yksityiskohtaisen määrällisen tiedon keräämisen aivojen rakenteista toistettavasti ja tehokkaasti. Röntgenlääkäri voi arvioida rappeumamuutoksia silmämääräisesti ja vertailukelpoisesti TT- ja MK-tutkimuksista. Automaattisia menetelmiä on tähän asti käytetty pääasiassa MK-tutkimusten analysointiin. Näin ollen potilaat, joilla on ollut saatavilla ainoastaan TT-tutkimus, ovat rajautuneet automaattisen analyysin ulkopuolelle.

Nyt julkaistussa tutkimuksessa käytettiin suomalaisen Combinostics Oy:n kehittämään cNeuro-työkaluun pohjautuvaa koneoppimismenetelmää. Se arvioi TT- ja MK-tutkimuksista sisemmän ohimolohkon ja yleisen aivokuoren rappeuman sekä valkean aineen muutosten määrää, ja tuloksia verrattiin toisiinsa. Tutkimusotos sisältää 214 potilasta ja se on koostettu Itä-Suomen yliopiston biomarkkerilaboratorion ja Helsingin yliopistollisen sairaalaan rekistereistä vuosilta 2005–2016.

Tulosten perusteella kyseisten aivorappeumamuutosten määrä pystytään arvioimaan luotettavasti myös TT-kuvista. Ero TT- ja MK-kuvantamismenetelmän välillä on 98 prosentissa tapauksista alle yhden arviointiasteikon luokan verran. Menetelmä erottelee taudin varhaisessa vaiheessa olevat potilaat niistä, joilla aivorappeumatauti on edennyt pidemmälle.

–  Jatkossa automaattisia kuvantamismenetelmiä kehitetään entistä tarkemmiksi ja helpommin saataviksi. Se mahdollistaisi aivorappeumataudin toteamisen entistä varhaisemmin eli jo ennen arkiselviytymiseen vaikuttavaa kognitiivista heikentymää. Siten taudin kulkua voitaisiin nykyisillä hoitomuodoilla ainakin hidastaa ja tulevaisuudessa lääkehoitojen kehityttyä taudin eteneminen voitaisiin ehkä pysäyttää, Kaipainen sanoo.

Tutkimusartikkeli

Kaipainen AL, Pitkänen J, Haapalinna F, Jääskeläinen O, Jokinen H, Melkas S, Erkinjuntti T, Vanninen R, Koivisto AM, Lötjönen J, Koikkalainen J, Herukka SK, Julkunen V. A novel CT-based automated analysis method provides comparable results with MRI in measuring brain atrophy and white matter lesions. Neuroradiology. 2021 Aug 14. doi: 10.1007/s00234-021-02761-4. Epub ahead of print. PMID: 34389887.

Lisätietoja

LL, tohtorikoulutettava, Aku Kaipainen, p. 0447176093, aku.kaipainen (at) uef.fi
Itä-Suomen yliopisto, kliininen lääketiede / neurologia; KYS Neurokeskus

FM, LL, FT, Sanna-Kaisa Herukka, p. 0405486247, sanna-kaisa.herukka (at) uef.fi
Itä-Suomen yliopisto, kliininen lääketiede / neurologia; KYS Neurokeskus

LT, Valtteri Julkunen, p. 0447178493, valtteri.julkunen (at) uef.fi
Itä-Suomen yliopisto, kliininen lääketiede / neurologia; KYS Neurokeskus

https://link.springer.com/article/10.1007%2Fs00234-021-02761-4

Tilaa