CAD4TB Imprimir

Detección asistida por ordenador para la Tuberculosis (CAD4TB) fue desarrollada por la Universidad Radboud de Nijmegen, en estrecha colaboración con Delft Imaging Systems de los Países Bajos. En diversos estudios CAD se confirma estar ya mas preciso que los lectores humanos capacitados para detectar anomalías consistentes con la TB. Esto significa que CAD puede utilizarse como triage rápido antes que Xpert. El financiamiento parcial para esta investigación científica se obtuvo del Ministerio de Asuntos Económicos e Innovaciones holandés con el apoyo de CheckTB!

El 5 de diciembre de 2015 durante la Conferencia de la Unión en Ciudad del Cabo un Simposio sobre dCXR y CAD fue organizado por Stop TB Partnership. Varias partes interesadas fueron informados sobre los progresos realizados en la precisión de CAD. La sensibilidad y especificidad CAD4TB fue presentado sobre conjuntos de datos procedentes de Bangladesh, Camerún, Filipinas, Tanzania y Sudáfrica. Estos datos confirman el potencial de CAD4TB como triage rápido antes Xpert MTB / RIF.

http://www.stoptb.org/wg/new_diagnostics/assets/documents/F.vanDoren_CAD%20Digital%20X-ray.pdf

 

Las computadoras mejoran la calidad y eficiencia de la detección

  • 90% de las lesiones inicialmente perdidas por los lectores humanos eran visibles;
  • menos del 50% de las lesiones < 1cm son vistos por el lector humano

Aunque la investigación operativa está aún en curso , CAD es particularmente eficiente al tiempo utilizado en los programas de cribado de alto rendimiento cuando:

  • numerosos rayos X deben ser evaluados en un corto período de tiempo;
  • los lectores humanos no son ni rápidos ni lo suficientemente precisos.

 

[1] Manning DJ et al, Br J Rad 2004; Muhm JR et al Radiology 1983

Objetivos y uso del CAD

  • Ajuste para triage rápido en grupos de alto riesgo
  • La sensibilidad y especificidad es igual o mejor que la de un lector humano especializado
  • Lectura e informe en menos de 1 minuto

Diseño CAD

El sistema CAD sigue el enfoque de aprendizaje automático general de aprendizaje supervisado. Los datos de entrenamiento se compone de un número de imágenes etiquetadas de los que se conoce el estado de TB. Para el sistema CAD4TB hay dos clases y las etiquetas son normales y sospechan de la tuberculosis. Una serie de características se extrae de estas imágenes y se combina para formar un vector de características para cada imagen. Estos vectores de características se utilizan para entrenar un clasificador TB. Este clasificador TB con incorporación de técnicas de reconocimiento de patrones del estado de la técnica se puede utilizar para clasificar imágenes de las cuales la etiqueta no se conoce.

Computer Aided Diagnosis facilita la automatizada precisa pre-screening por el sistema de rayos X digitales que permite a los radiólogos o neumólogos a centrarse más en el análisis de la TB imágenes sospechosas. Además CAD4TB puede contribuir al menos "sobre-lectura" por radiólogos menos experimentados o oficiales clínicos. CAD en combinación con Xpert innova el cribado para la detección temprana de casos. Esta combinación-CAD Xpert permite el triage rentable en grupos de alto riesgo, tales como VIH, diabetecs, los mineros y los reclusos.

Posibilidades de Uso Futuro CAD4TB

Para aumentar la exactitud de las encuestas de prevalencia y para reducir el screening costo de los grupos de riesgo CAD ofrece las siguientes funciones de diagnóstico:

  • proporcionar una probabilidad de anormalidades consistentes con TB entre 0 y 100
  • proporcionar marcadores alrededor de las regiones sospechosas
  • integrar con el sistema de puntuación o PACS
  • seleccionar y presentar imágenes similares para referencia

CAD4TB también permite la preselección de su sensibilidad, que es de especial valor para las encuestas de prevalencia. Una vez que el protocolo de CAD4TB está optimizado se espera el número de CXR que requiere la lectura humana se puede reducir a menos de 20%.

Bases para la revolución en el diagnóstico

En 2004, la Universidad de Utrecht y Delft Imaging Systems (tanto de los Países Bajos) elaboraron ​​un protocolo de software prototipo capaz de reconocer los sospechosos de TB en una base de datos de 500 imágenes con una sensibilidad del 85% y una especificidad del 50% . Valiosa experiencia adquirida a lo largo de los años desde el desarrollo de Computer Aided detección precisa del cáncer de mama, el apoyo a los exámenes de mamografía, se utilizó desde el principio. La imagen digital puede reconocer patrones de imagen compatibles con la tuberculosis en imágenes de tórax.

El progreso

Diversas técnicas de reconocimiento de patrones continuan las puntuaciones de sensibilidad y especificidad. Si bien muchas de estas imágenes son de las personas sanas, una parte importante viene de los pacientes con tuberculosis que también han sido diagnosticados por la cultura, la baciloscopia, clínicos y otros métodos de diagnóstico.

El objetivo de la investigación conjunta era lograr una capacidad de detección de tuberculosis electrónico con una sensibilidad del 90% y una especificidad del 80%. El objetivo especificidad era el mayor desafío para los científicos.

Se espera que a partir de la lectura de miles de imágenes (incluido el acceso a la información del paciente como el estatus de VIH), que se encontraron patrones consistentes con tuberculosis típica para los pacientes coinfectados. Esto mejorará aún más el papel de rayos X como herramienta de cribado para detectar con eficacia los sospechosos de tuberculosis en personas que viven con el VIH.

CAD mejora la detección de tuberculosis y apoya la búsqueda activa de casos a través de:

Un alto porcentaje de los casos sospechosos de tuberculosis se identifica automáticamente.

    - Apoyo de Radiólogos y / o oficiales clínicos con primera lectura de imágenes;
    - Reducir el número de interpretaciones humano de images;
    - Proporcionar una herramienta poderosa en los estudios de prevalencia;
    - Ofrecer una herramienta de evaluación de la calidad efectiva de los trabajadores de salud y PNT;

Sólo un número limitado de imágenes torácicas complejas requerirá experiencia radiológica externa

Si bien desarrollado para la TB, este sistema se puede amplifiar en el futuro para detectar otras enfermedades pulmonares, así como la COPD. Por tanto, se espera que contribuya a un amplio impacto de la salud en los lugares donde más se necesita.

Estudios recientes Filipinas, África del Sur, Reino Unido, Gambia y Tanzania

Estudios más recientes con imágenes digitales de África del Sur, Londres Find & Treat, las encuestas de prevalencia de Gambia y Tanzania, confirman que CAD ya es tan preciso como el lector humano capacitado. En el Buscar y tratar de bases de datos CAD anotó 93 sensibilidad a 65 % de especificidad. En la conferencia de la Unión en Kuala Lumpur una relación lineal entre la puntuación de CAD y la detección de la tuberculosis entre los diferentes estratos de los pacientes fue presentado por ZAMBART confirmando el valor potencial de utilizar CAD como herramienta de cribado antes Xpert.

Organización Mundial de la Salud Estudio en Filipinas

Un estudio de viabilidad se realizo en el rendimiento CAD4TB en Filipinas para interpretar automáticamente las imágenes digitales de tórax realizadas para los programas de detección de tuberculosis migrante. Este estudio es una colaboración entre la Universidad de Radboud y la OMS con el enlace inicial a través de la Fundación KNCV Tuberculosis y CheckTB!

12,256 CXRs from Palawan provincial areas of the Philippines5; CAD4TB achieved 90.0% sensitivity at 80.0% specificity;Research performed in cooperation with WHO Philippines. 46th Union World Conference on Lung Health, 2015; Rick H.H.M. Philipsen, Clara I. Sánchez, P. Maduskar, J. Melendez, B. van Ginneken and W.J. Lew  Computerized Chest Radiography Screening to Detect Tuberculosis in the Philippines, 2015. Radboud University Medical Center, Nijmegen, the Netherlands and WHO Country Office, Manilla, Philippines.

12,256 CXRs from Palawan provincial areas of the Philippines5; CAD4TB achieved 90.0% sensitivity at 80.0% specificity;Research performed in cooperation with WHO Philippines. 46th Union World Conference on Lung Health, 2015; Rick H.H.M. Philipsen, Clara I. Sánchez, P. Maduskar, J. Melendez, B. van Ginneken and W.J. Lew  Computerized Chest Radiography Screening to Detect Tuberculosis in the Philippines, 2015. Radboud University Medical Center, Nijmegen, the Netherlands and WHO Country Office, Manilla, Philippines.

- Conclusiones

De los diversos estudios se puede concluir, que CAD4TB ya es similar o mejor que los lectores humanos en la clasificación de las radiografías como normal o sospecha de TB. Se espera que el desempeño de los lectores humanos y el sistema CAD para mejorar de forma significativa con una mayor capacitación. CAD como triage rápido antes Xpert tiene el potencial de forma rentable para ampliar el cribado sistemático de grupos de alto riesgo.

¿Puede su organización participar en el estudio?

Como la tuberculosis puede manifestarse de diferentes formas en las personas de diferentes orígenes regionales y étnicas , los investigadores incluyen imágenes de diferentes países . Si su organización desea participar y normas de privacidad del paciente permitirían esto, entonces póngase en contacto con Esta dirección electrónica esta protegida contra spambots. Es necesario activar Javascript para visualizarla para más información

Disponibilidad de CAD4TB para apoyar los programas de TB