Development and evaluation of automated organ segmentation models for abdominal ultrasound in injured children

Quando un bambino arriva al pronto soccorso di un ospedale dopo un grave infortunio, i medici devono sapere rapidamente se c'è un'emorragia interna. Uno dei modi più rapidi per controllare è l'ecografia al letto del paziente, una scansione indolore che utilizza onde sonore per creare immagini in movimento dell'interno del corpo. Nella cura del trauma, questo esame specifico è chiamato valutazione focalizzata con ecografia per il trauma. Consiste nel muovere un dispositivo portatile sul ventre del bambino per cercare fluido negli spazi intorno al fegato, alla milza e alla vescica. Sebbene questo strumento sia vitale, la qualità dell'esame dipenda interamente dalla capacità della persona che tiene il dispositivo e dalla chiarezza delle immagini catturate. A volte, le immagini sono sfocate o il medico manca un punto, rendendo difficile essere certi se il bambino sia al sicuro. Per migliorare questo aspetto, i ricercatori stanno insegnando ai computer a comprendere queste immagini automaticamente, ma prima il computer deve imparare come appaiono gli organi. Ciò richiede di insegnare alla macchina a riconoscere i confini del fegato, dei reni e di altre strutture, un compito che di solito richiede ore a un esperto umano per ogni singola immagine.

Un team di ricercatori della University of California, San Francisco, ha deciso di risolvere questo problema costruendo un sistema informatico in grado di trovare e delineare automaticamente sei organi chiave nelle scansioni ecografiche di bambini feriti. Si sono concentrati sulla vescica, sui reni, sul fegato, sulla milza, sulla colonna vertebrale e sul diaframma, il muscolo che aiuta la respirazione. Queste strutture sono i punti di riferimento che i medici usano per decidere se un esame è completo e accurato. Il team ha raccolto una collezione di 200 clip video ecografiche da bambini che erano stati trattati per infortuni in un importante centro di trauma. Successivamente, esperti medici hanno disegnato con cura i contorni di ogni organo su migliaia di singoli fotogrammi di questi video, creando un insieme di esempi di "verità di base" (ground truth) da cui il computer potesse imparare. Utilizzando questi esempi, i ricercatori hanno addestrato quattro diversi tipi di modelli di intelligenza artificiale per eseguire lo stesso compito. Questi modelli variavano da progettazioni più semplici ed consolidate a sistemi più nuovi e complessi che utilizzano tecniche matematiche avanzate per prestare attenzione a diverse parti di un'immagine contemporaneamente.

I ricercatori hanno testato quanto bene ogni modello informatico riuscisse a indovinare i contorni corretti rispetto ai disegni degli esperti umani. Hanno scoperto che i computer erano molto bravi nel compito, specialmente per i reni e la vescica, dove le forme sono distinte e facili da vedere. In media, i contorni generati dal computer corrispondevano a quelli degli esperti umani con un alto grado di sovrapposizione. Un modello specifico, che combinava un design standard con un metodo più recente per concentrare l'attenzione sui dettagli importanti, è stato quello con le prestazioni migliori in assoluto. Ha identificato correttamente il fegato, la milza e i reni con una precisione notevole, e lo ha fatto molto velocemente, impiegando meno di un secondo per elaborare una singola immagine. Il sistema ha avuto qualche difficoltà in più con il diaframma e la colonna vertebrale, che sono più sottili e più difficili da vedere chiaramente nelle immagini ecografiche, ma anche per queste parti difficili, il computer ha prodotto risultati utili.

Per vedere se questa tecnologia funzionasse nel mondo reale, il team ha preso il modello con le migliori prestazioni e gli ha mostrato clip ecografiche che non aveva mai visto prima, incluse scansioni sia di bambini che di adulti. Quattro esperti indipendenti hanno revisionato il lavoro del computer, verificando se i contorni apparissero nel posto giusto e se la qualità dell'immagine fosse sufficiente affinché un medico potesse fidarsi. Gli esperti hanno riscontrato che il computer ha individuato con successo gli organi nella stragrande maggioranza delle clip, con tassi di successo che variavano da circa tre quarti a quasi tutti i casi, a seconda dell'organo. Il sistema è stato particolarmente affidabile per la vescica e il fegato, dove ha ottenuto punteggi quasi perfetti nel gruppo degli adulti e punteggi molto alti in quelli dei bambini. I ricercatori hanno notato che quando il computer falliva, era solitamente perché l'immagine originale era troppo sfocata o scattata male, piuttosto che perché il computer era confuso. Ciò suggerisce che la tecnologia è abbastanza robusta da gestire la realtà disordinata e imprevedibile delle scansioni del pronto soccorso.

Lo studio ha anche rivelato che modelli informatici più grandi e complessi non erano necessariamente migliori. Il modello più avanzato, che era stato addestrato su un ampio database di 280.000 immagini ecografiche di altre persone, non ha ottenuto prestazioni significativamente superiori rispetto al modello più semplice e personalizzato. Infatti, il modello più semplice era più veloce e richiedeva meno potenza di calcolo, rendendolo più pratico per l'uso in un ospedale affollato. Questa scoperta suggerisce che, per questo compito specifico, il modo in cui il modello è progettato conta più di quanta quantità di dati sia stata utilizzata per il pre-addestramento. I ricercatori hanno concluso che questo sistema automatizzato rappresenta un passo avanti significativo. Permettendo ai computer di svolgere il lavoro tedioso di delineare gli organi, i medici e i ricercatori possono costruire dataset più ampi e migliori per addestrare futuri strumenti che potrebbero un giorno rilevare automaticamente le emorragie o segnalare a un medico se un esame è tecnicamente limitato. Sebbene il sistema non sia ancora pronto per sostituire il giudizio umano, offre un nuovo modo potente per standardizzare e migliorare la qualità dell'assistenza ai bambini feriti.