Intelligenza artificiale

Intelligenza artificiale

Hologic, da sempre fornisce le soluzioni migliori, affidabili ed efficienti per l’intero percorso di cura del seno: dallo screening alla biopsia alla chirurgia, dalla patologia all’oncologia, il tutto corredato da software di analisi a supporto di queste soluzioni. Ecco perché, sulla base di una esperienza trentennale nella lotta contro il tumore al seno, Hologic si trova in una posizione unica per essere il leader nell’Intelligenza Artificiale (A.I.): grazie a quattro centri di ricerca e sviluppo dedicati alla salute del seno, un centro di eccellenza, in Silicon Valley, incentrato sullo sviluppo di algoritmi di Deep Learning, ed una base installata di rilievo mondiale, Hologic ha un accesso ai dati senza precedenti.

Grazie ad una lunghissima esperienza nell’apprendimento automatico, che risale al 1998, quando venne rilasciato, a seguito di approvazione FDA, il primo prodotto CAD basato su Machine Learning (M.L.), per rilevare i tumori da immagini mammografiche analogiche su pellicola, Hologic è stata in prima linea nello sviluppo di strumenti di supporto decisionale assistito da computer, che impiegano tecniche di A.I. I prodotti Hologic come il software di valutazione della densità mammaria Quantra ™, la tecnologia 3DQuorum ™ e le immagini sintetiche C-View ™ ed Intelligent C-View ™ sono tutti basati su sviluppo proprietario, senza dover ricorrere a collaborazioni con Aziende terze.

Hologic è costantemente rivolta ai medici ed ai loro pazienti e si affida alle intuizioni dei clienti, nell’intento di continuare ad innovare nello spazio del supporto decisionale assistito da A.I. Hologic è il partner di fiducia ideale per fornire i migliori prodotti che completano il Medico e forniscono gli strumenti e le informazioni necessarie per garantire un’assistenza superiore ai pazienti.

2D SINTETICA C-View ™

Grazie al software C-View ™, sono generate immagini 2D sintetizzate dal set di Tomosintesi, senza richiedere esposizioni ai raggi X aggiuntive [1].

In combinazione con la Tomosintesi, le immagini C-View ™, oltre ad avere ottenuto il marchio CE e l’FDA [2], sono clinicamente validate per essere utilizzate in screening, al posto della mammografia convenzionale (FFDM 2D) [3-4].

La Tomosintesi combinata con le immagini sintetiche Hologic, infatti, ha dimostrato di essere superiore alla sola mammografia 2D convenzionale [5]: erogando una dose equivalente a quella di un esame mammografico tradizionale convenzionale (2D) si ha la stessa qualità di informazione che si otteneva in precedenza con la doppia esposizione 2D+3D.

Il software C-View ™ è l’unico strumento scientificamente validato che, unito alla Tomosintesi, permette un aumento di sensibilità e specificità dell’esame mammografico [6-7-8-9] ed una riduzione della dose, poiché non è necessario effettuare anche FFDM 2D con la Tomosintesi [4-10].

Tali prestazioni diagnostiche, supportate da evidenza scientifica senza paragoni, non sono altro che il risultato di innovativi algoritmi basati su A.I., grazie ai quali le immagini 2D sintetiche Hologic preservano ed enfatizzano le informazioni aggiuntive fornite dalla Tomosintesi, presentandole all’interno di una immagine 2D.

Il potente motore di calcolo guidato da A.I., per ogni piano 3D, restituisce in pochissimi secondi una immagine 2D di sintesi, in cui le regioni di maggiore rilevanza diagnostica rispecchiano le medesime caratteristiche morfologiche che si possono apprezzare nei corrispettivi piani di Tomosintesi in cui risultano massimamente a fuoco.

ImageChecker® CAD

Il software di supporto alla diagnosi ImageChecker®, utilizza tecniche di Machine Learning basate su reti neurali convoluzionali di apprendimento e dispone di classificatori e algoritmi di analisi delle immagini per rappresentare calcificazioni e lesioni dei tessuti molli in due diversi moduli. I risultati dei tessuti molli e delle calcificazioni vengono successivamente combinati, vengono correlate le informazioni ottenute per ciascuna lateralità analizzandone eventuali asimmetrie ed infine vengono classificati i risultati di ciascuna regione sospetta.

I radiologi possono utilizzare una modalità di supporto decisionale interattivo oltre al CAD tradizionale. Il supporto decisionale interattivo è perfettamente integrato con la Workstation di refertazione è può quindi anche apparire “nascosto” ed essere attivato in qualsiasi momento, ad esempio al termine della lettura come secondo parere automatico.

Soluzione flessibile

ImageChecker® CAD offre una flessibilità ottimale consentendo a ciascun presidio di selezionare le impostazioni di sensibilità, o punti operativi, più adatti alle esigenze dello studio. Risulta quindi possibile, durante la configurazione iniziale, decidere se il software dovrà privilegiare le caratteristiche di specificità oppure garantire la massima sensibilità senza discriminare troppo eventuali falsi positivi.

Diversificazione del livello di sospetto

Questa funzione consente, sulla Workstation di refertazione, di visualizzare markers di dimensione variabile direttamente correlati al significato del risultato. Quando l’algoritmo determina che una regione è più significativa, e presenta un maggior livello di sospetto, il segno CAD appare più grande, indicando che la regione dovrebbe ricevere maggiore attenzione da parte del Radiologo.

Architettura conveniente

Il software ImageChecker® CAD può essere installato tramite licenza direttamente sulla Workstation di Aquisizione di ciascun mammografo, senza la necessità di un server dedicato da inserire nell’infrastruttura. L’eliminazione della necessità di un server separato, o alternativamente l’adozione di una soluzione Cloud, semplifica la configurazione e riduce notevolmente i problemi di sicurezza. I risultati, compatibili DICOM, possono essere inviati direttamente alla stazione di lavoro del radiologo oppure al PACS al termine dell’esame. Infine i risultati sono ottimizzati per la visualizzazione interattiva su sistema di refertazione Hologic SecurView e possono apparire inizialmente nascosti per poi essere visualizzati all’interno di un flusso di lavoro secondo le preferenze di ciascun Medico.

QUANTRA ™: Valutazione Densità Mammaria

L’applicativo Quantra™ di ultima generazione consente di valutare la densità del tessuto mammario in modo rapido e preciso, per tutte le pazienti, analizzando immagini mammografiche 2D e di Tomosintesi 3D.

Esclusivi algoritmi, basati su Intelligenza Artificiale, permettono di analizzare la struttura e la tipologia del seno, andando a classificare la densità del tessuto mammario, tramite analisi delle texture e dei pattern di densità, eliminando la variabilità soggettiva dell’analisi visiva e offrendo una valutazione precisa della densità mammaria.

Sfruttando i più recenti motori di calcolo basati su Machine Learning, il software Quantra ™ è addestrato a partire da un dataset di oltre 6.000 studi mammografici, per i quali la categoria BI-RADS, assegnata da radiologi, al momento dell’addestramento era nota. Un modello addestrato con tali caratteristiche, basate su pattern e texture, ha lo scopo di separare le categorie di composizione del seno in base alla distribuzione dei tessuti e all’effetto di mascheramento, piuttosto che alla sola misurazione volumetrica. Con questa tecnologia, l’algoritmo del software Quantra™, stima automaticamente una categoria di composizione del seno in linea con le ultime linee guida BI-RADS Atlas 5a Edizione [11].

3DQUORUM Technology

Risulta evidente come la Tomosintesi, sebbene incrementi le prestazioni diagnostiche, comporta necessariamente l’aumento del numero di immagini che devono essere esaminate dai radiologi ed un aumento del tempo medio di interpretazione [3]. La recente introduzione dell’imaging di Tomosintesi ad alta risoluzione con dimensioni del pixel di 70 micron (Hologic 3Dimensions®) influisce ulteriormente su questi problemi, aumentando le risorse di archiviazione richiesta al PACS, così come le larghezza di banda occupata sulla rete ospedaliera.

In risposta a queste sfide, Hologic ha introdotto un nuovo tipo di immagini di Tomosintesi, chiamato 3DQuorum ™, che fornisce fette spesse 6 mm, note come SmartSlices, mantenendo la dimensione del pixel di 70 micron. Questa nuova metodica, sfruttando i migliori algoritmi di intelligenza artificiale e machine learning, in aggunta alle immagini 2D sintetiche Intelligent C-View ™, fornisce le stesse prestazioni diagnostiche di piani ricostruiti ogni 1 mm, garantendo tuttavia spazio di archiviazione delle immagini e tempo di refertazione medio inferiori [12-13].

Obiettivo della Tecnologia

L’obiettivo dell’innovativo algoritmo 3DQuorum ™ è quello di fornire un minor numero di slices, definite SmartSlices, allo scopo di:

  • ridurre il peso informatico delle biommagini facilitandone il trasferimento e l’archiviazione;
  • accelerare i tempi di lettura e di interpretazione;
  • garantire le medesime prestazioni cliniche rispetto ai dataset di Tomosintesi con intervallo da 1 mm.

I comuni processi di SLAB, che combinano piani di ricostruzione adiecenti tramite ben noti algoritmi di semplice sommazione o MIP (Maximum Intensity Projection), hanno il limite di offuscare e ridurre la visibilità di particolari morfologie oppure oggetti a basso contrasto, ripristinando gli effetti di sovrapposizione dei tessuti (precedentemente risolti grazie alla Tomosintesi).

Tramite l’algorirmo di ricostruzione 3DQuorum ™ invece, con l’applicazione di algoritmi di A.I., viene eseguita l’analisi di ogni singolo piano di Tomosintesi, identificando tutti i dettagli e le morfologie di rilevanza clinica. Ogni regione di ogni piano, identificato tramite A.I., viene successivamente enfatizzato al fine di prevenirne l’offuscamento durante la sintesi delle SmartSlices, analogamente a quanto avviene nel processo di calcolo per la ricostruzione delle immagini 2D sintetiche. Ciascuna SmartSlice è il risultato della combinazione di 6 piani adiacenti di Tomosintesi da 1mm, garantendo tuttavia una soprapposizione di 3 piani per evitare ogni perdita di informazione.

Grazie a 3DQuorum ™, è possibile quindi ridurre ad 1/3 il numero di immagini, con una conseguente riduzione fino al 50% dello spazio di archiviazione richiesto per ogni singolo esame [12], così come le risorse di rete richieste durante la trasmissione, senza perdita di alcun dettaglio diagnostico [13].

I primi studi clinici disponibili dimostrano infine come, grazie al robusto ausilio di algritmi di A.I. opportunamente addestrati, il grado di visibilità delle lesioni all’interno delle SmarSlices non subisce significative perdite di visibiltà, offuscamenti o perdita di definizione e contrasto. Al contrario invece, anche lesioni di piccole dimensioni ( < 1cm ) così come cluster di microcalcificazioni tenui, possono essere più agevolmente localizzati all’interno del volume della mammella, riducendo la fatica di lettura data dallo scorrimento di centinaia di piani di Tomosintesi.

Si evidenzia infatti come l’utilizzo di 3DQuorum comporta una riduzione di circa il 13% del tempo di lettura, ed un conseguente risparmio medio di tempo di 1 ora valutato su un’intera giornata lavorativa di 8 ore [13].

Riferimenti

  1. Smith A,
    Synthesized 2D Mammographic Imaging: Theory and Clinical Performance,
    Hologic, 2016
  2. http://www.accessdata.fda.gov/cdrh_docs/pdf8/P080003S001c.pdf
  3. Daniela Bernardi, Petra Macaskill, Marco Pellegrini, Marvi Valentini, Carmine Fantò, Livio Ostillio, Paolina Tuttobene, Andrea Luparia, Nehmat Houssami;
    Breast cancer screening with tomosynthesis (3D mammography) with acquired or synthetic 2D mammography compared with 2D mammography alone (STORM-2): a population-based prospective study
    Lancet Oncol 2016
  1. Skaane P, Bandos AI, Eben EB, Jebsen IN, Krager M, Haakenaasen U, Ekseth U, Izadi M, Hofvind S, Gullien R.
    Two-view digital breast tomosynthesis screening with synthetically reconstructed projection images: comparison with digital breast tomosynthesis with full-field digital mammographic images
    Radiology. 2014 Jun,271(3):655-63.
  1. Mariscotti, Durando, Bogetti
    Synthetized Digital Mammography Compared to Conventional Digital Mammography in a Diagnostic Setting
    RSNA 2015
  1. Choi, Ko, Kim, et al.
    Detection and Classification of Calcifications on Two-dimensional Mammography: Comparison of Synthetic Mammography Reconstructed from Digital Breast Tomosynthesis and Full-field Digital Mammography
    RSNA 2015
  1. Zuley ML, Guo B, Catullo VJ, Chough DM, Kelly AE, Lu AH, Rathfon GY, Lee Spangler M, Sumkin JH, Wallace LP, Bandos AI.
    Comparison of Two-dimensional Synthesized Mammograms versus Original Digital Mammograms Alone and in Combination with Tomosynthesis Images
    Radiology. 2014 Jun,271(3):664-71.
  1. Bernardi D, Pellegrini M, Valentini M, Fanto C, Houssami N.
    The STORM II (Screening with Tomosynthesis or Mammography II) Trial: Interim Comparison of Screen-reading Strategies in Population Breast Screening
    Radiological Society of North America 2014 Scientific Assembly and Annual Meeting, November 30 – December 5, 2014, Chicago IL.
  1. Woo, Choi, Shin, et al.
    Comparative Diagnostic Value of Two-dimensional Synthesized Mammogram and Conventional Full-field Digital Mammogram for Evaluation of Breast Cancer
    RSNA 2015
  1. Durand M, Raghu M, Geisel J, Hooley R, Yao X, Philpotts L
    Synthesized 2D Mammography+Tomosynthesis: Can We See Clearly?
    Radiological Society of North America 2015 Scientific Assembly and Annual Meeting
    November 29 – December 4, 2015, Chicago IL.
  1. Kshirsagar A.
    Quantra™ 2.2 Software Design Intent and Clinical Performance. White Paper- www.3dimensionsmammography.eu/density-assessment/
  2. Keller B, Kshirsagar A & Smith A.
    3DQuorum™ Imaging Technology: improving radiologist performance through Artificial Intelligence and SmartSlices.
    White Paper www.hologic.3dimensionsmammography.eu/3dquorum/
  1. Improving mammography efficiency and workflow through Artificial Intelligence and SmartSlices.
    Diagnostic Imaging Europe Journal – November 2020;

Brochure

Solo su richiesta, si prega di compilare il modulo sottostante.

FOTOGALLERY

MODULO RICHIESTA INFORMAZIONI

Nome (richiesto)

Cognome (richiesto)

Azienda/Ente

Località/Provincia

La tua email (richiesto)

Il tuo messaggio

Letta l'Informativa sul trattamento dei dati personali, acconsento al loro utilizzo nelle modalità indicate.

BACK