MIMIC thorax røntgendatabase for at give forskere adgang til over 350, 000 røntgenbilleder af patienter

Computer vision, eller metoden til at give maskiner mulighed for at behandle billeder på en avanceret måde, har fået øget opmærksomhed af forskere i de sidste mange år. Det er et bredt begreb, der skal omfatte alle de midler, hvorigennem billeder kan bruges til at opnå medicinske mål. Applikationerne spænder fra automatisk scanning af fotos taget på mobiltelefoner til at skabe 3D-gengivelser, der hjælper med patientevalueringer, til udvikling af algoritmiske modeller til brug på skadestuen i underbetjente områder.

Da adgang til et større antal billeder er egnet til at give forskere en mængde data, der er ideel til at udvikle bedre og mere robuste algoritmer, en samling af billeder, der er blevet forbedret, eller skrubbet af patienternes identificerende detaljer og derefter fremhævet i kritiske områder, kan have et enormt potentiale for forskere og radiologer, der er afhængige af fotografiske data i deres arbejde.

Sidste uge, MIT Laboratory for Computational Physiology, en del af Institute for Medical Engineering and Science (IMES) ledet af professor Roger Mark, lancerede en forhåndsvisning af deres MIMIC-Chest X-Ray Database (MIMIC-CXR), et lager på mere end 350, 000 detaljerede røntgenbilleder af thorax samlet over fem år fra Beth Israel Deaconess Medical Center i Boston. Projektet, ligesom laboratoriets tidligere MIMIC-III, som rummer kritiske patientdata fra over 40, 000 intensivafdelingsophold, er gratis og åben for akademiske, klinisk, og industrielle efterforskere via forskningsressourcen PhysioNet. Det repræsenterer det største udvalg af offentligt tilgængelige røntgenbilleder af thorax til dato.

Med adgang til MIMIC-CXR, finansieret af Philips Research, registrerede brugere og deres kohorter kan lettere udvikle algoritmer til fjorten af ​​de mest almindelige fund fra en røntgen af ​​thorax, herunder lungebetændelse, kardiomegali (forstørret hjerte), ødem (overskydende væske), og en punkteret lunge. Ved at knytte visuelle markører til specifikke diagnoser, maskiner kan nemt hjælpe klinikere med at drage mere præcise konklusioner hurtigere og dermed behandle flere sager på kortere tid. Disse algoritmer kan vise sig at være særligt gavnlige for læger, der arbejder på underfinansierede og underbemandede hospitaler.

"Landdistrikterne har typisk ingen radiologer, " siger forsker Alistair E. W. Johnson, medudvikler af databasen sammen med Tom J. Pollard, Nathaniel R. Greenbaum, og Matthew P. Lungren; Seth J. Berkowitz, direktør for radiologiinformatikinnovation; Chih-ying Deng fra Harvard Medical School; og Steven Horng, associeret direktør for akutmedicinsk informatik hos Beth Israel. "Hvis du har et værelse fyldt med syge patienter og ingen tid til at konsultere en ekspert radiolog, det er et sted, hvor en model kan hjælpe."

I fremtiden, laboratoriet håber at forbinde røntgenarkivet med MIMIC-III, danner således en database, der omfatter både patient ICU-data og billeder. Der er i øjeblikket over 9, 000 registrerede MIMIC-III-brugere, der får adgang til data om kritisk pleje, og MIMIC-CXR ville være en velsignelse for dem i intensivmedicin, der ønsker at supplere kliniske data med billeder.

Et andet aktiv ved databasen ligger i dens timing. Forskere ved Stanford Machine Learning Group og Stanford Center for Artificial Intelligence in Medicine and Imaging udgav et lignende datasæt i januar, indsamlet over 15 år på Stanford Hospital. Grupperne MIT Laboratory for Computational Physiology og Stanford University samarbejdede for at sikre, at begge datasæt kunne bruges med minimalt benarbejde for den interesserede forsker.

"Med enkeltcenterstudier, du er aldrig sikker på om det du har fundet er sandt for alle, eller en konsekvens af den type patienter hospitalet ser, eller måden den giver sin omsorg på, " siger Johnson. "Det er derfor, multicenterforsøg er så kraftfulde. Ved at arbejde med Stanford, vi har i det væsentlige bemyndiget forskere over hele verden til at køre deres egne multicenterforsøg uden at skulle bruge de millioner af dollars, som typisk koster."

Som med MIMIC-III, forskere vil være i stand til at få adgang til MIMIC-CXR ved først at gennemføre et kursus i håndtering af menneskelige emner og derefter acceptere at citere datasættet i deres publicerede arbejde.

"Det næste trin er fritekstrapporter, " siger Johnson. "Vi bevæger os mere i retning af at have en komplet historie. Når en radiolog ser på et røntgenbillede af thorax, de ved, hvem personen er, og hvorfor de er der. Hvis vi vil gøre radiologernes liv lettere, modellerne skal vide, hvem personen er, også."

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT-forskning, innovation og undervisning.