Implanty na jedno kliknięcie

Innowacyjny system do projektowania i weryfikacji spersonalizowanych implantów czaszkowych bazujący na sztucznej inteligencji i mieszanej rzeczywistości powstaje w Akademii Górniczo-Hutniczej w Krakowie. Na efekty czekają dziesiątki tysięcy osób.

Aby uzupełnić ubytek wystarczy zaprojektować implant, którym będzie można zastąpić kość, później z materiału zaakceptowanego do użytku medycznego stworzyć jego fizyczną formę, a na koniec przeprowadzić zabieg wszczepienia. Medycyna nie przewiduje przeszkód w powodzeniu większości takich operacji, a mimo to osoby wymagające wszczepienia implantu czaszkowego stanowiły część grupy około 5 mln pacjentów z całego świata, którzy w 2019 roku, pomimo wskazań, nie przeszli operacji neurochirurgicznej umożliwiającej im pełen powrót do zdrowia. Także w Polsce wiele osób, które w wyniku interwencji chirurgicznej koniecznej ze względu na doznany uraz lub chorobę nowotworową zostały pozbawione pełnej ochrony mechanicznej mózgu, są zmuszone czekać na operację wszczepienia implantu całymi miesiącami. Dlaczego? Proces wytwarzania zindywidualizowanych implantów czaszkowych jest obecnie bardzo czasochłonny, a liczba neurochirurgów niewystarczająca.

Szybkość wymaga innowacji

Implanty są projektowane przez biomechaników wykwalifikowanych w obsłudze specjalistycznego oprogramowania. Stworzenie modelu implantu optymalnie dopasowanego do powstałego ubytku każdorazowo wymaga indywidualnej analizy danych medycznych pacjenta – może to trwać od kilku do kilkudziesięciu godzin. By projekt przybrał fizyczną formę, zwykle trafia do innej firmy, która zajmuje się produkcją implantu, np. przy użyciu drukarek 3D, a później jeszcze do kolejnej, która zajmuje się jego sterylizacją (jeśli ta nie odbywa się w szpitalu). Cały proces poprzedzający dopuszczenie implantu do wszczepienia pacjentowi wydłuża się do tygodni lub miesięcy.

Problem ten dostrzegł dr inż. Marek Wodziński z Wydziału Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Akademii Górniczo-Hutniczej. Spróbuje go rozwiązać dzięki grantowi z Narodowego Centrum Badań i Rozwoju. Na realizację innowacyjnego systemu do projektowania i weryfikacji spersonalizowanych implantów czaszkowych otrzymał 1,5 mln zł.

System będzie automatycznie projektował implant spersonalizowany dla danego pacjenta. Neurochirurg bezpośrednio na sali operacyjnej, klikając jeden przycisk, otrzyma gotowy model do wydruku 3D – zapowiada badacz AGH.

Według niego największym wyzwaniem będzie wypełnienie ubytku czaszkowego, bo najczęściej nie jest on tożsamy implantowi – defekt może mieć kształt, który fizycznie nie mieści się do otworu czaszkowego.

Bywa tak, że na skutek wypadków komunikacyjnych dany defekt powstaje poprzez uszkodzenie, a następnie złamanie i jest większy i bardziej groźny wewnątrz niż na zewnątrz – a nie możemy włożyć czegoś od wewnątrz czaszki. Zatem przeprowadzenie implantacji wymaga dalszych modyfikacji modelu defektu. Dodatkowo implanty są wykonywane z różnych materiałów i w zależności od materiału preferowanego przez danego neurochirurga, implant będzie miał inną odpowiedź mechaniczną i inną odpowiedź biologiczną – to też trzeba uwzględnić na etapie projektowania. Niektóre implanty będą musiały być grubsze, inne cieńsze; mocuje się je na różne sposoby. Trzeba również uwzględnić fakt, że bezpośrednio po zabiegu mózg może być zdeformowany, może się pojawić obrzęk. Implant nie powinien powodować wzrostu ciśnienia środczaszkowego, więc często powinien być trochę cieńszy niż oryginalna czaszka. Od defektu do implantu jest jeszcze jest dość daleka droga – tłumaczy naukowiec.

Stosowane do tej pory algorytmy nieźle radzą sobie z projektowaniem implantów do uszkodzeń podobnych do tych, które analizowały już wcześniej, ale nie są w stanie abstrahować swojej wiedzy na nowe przypadki, z którymi dotychczas nie miały styczności. Inżynier z AGH w ramach projektu chce jak najbardziej zwiększyć zdolność do generalizacji zaproponowanych algorytmów na przypadki, które nie były wcześniej w ogóle widziane w czasie procesu treningu.

Mądry algorytm przed szkodą

W przełomie ma pomóc sztuczna inteligencja, a w szczególności algorytmy uczenia głębokiego bazujące na wykorzystaniu sztucznych sieci neuronowych. Uczenie głębokie to sposób przetwarzania danych, który zaczął zyskiwać popularność około dekady temu i od tej pory znajduje coraz to nowe zastosowania wszędzie tam, gdzie konieczne jest analizowanie dużych ilości zgromadzonych danych. Dzięki uczeniu głębokiemu działają boty konwersacyjne, tak uczą się samochody autonomiczne, z jego pomocą można nauczyć program np. rozpoznawania komórek rakowych. W przypadku projektu krakowskiego naukowca celem działania algorytmu ma być kompleksowe zaprojektowanie spersonalizowanego implantu. Danymi, na podstawie których ma działać, mogą być obrazy uzyskane za pomocą tomografii komputerowej lub rezonansu magnetycznego. Ta druga metoda pozyskiwania informacji o ubytku jest szczególnie przydatna w przypadku pacjentów z nowotworem, bo rezonans jest badaniem, które i tak standardowo wykonuje się w trakcie diagnostyki, więc pozyskanie skanu nie wiązałoby się z dodatkowymi komplikacjami procedury. Co więcej, rezonans jest metodą nieinwazyjną.

W odniesieniu do projektowania implantów zasadniczą zaletą algorytmów uczenia głębokiego jest to, że są w stanie szybko udzielać pożądanych odpowiedzi. To szansa nie tyle na to, by skrócić czas oczekiwania, ale… zupełnie go wyeliminować. Będzie to możliwe, gdyby zaprojektowanie, wydruk i sterylizacja implantu trwały na tyle krótko, by pacjenta nie trzeba w ogóle wybudzać z operacji, podczas której usunięto mu fragment kości. Zamiast dwóch operacji byłaby wtedy jedna – co znacznie zmniejsza ryzyko powikłań dla pacjenta i skraca czas, jaki chirurg przeznaczy na uzupełnienie ubytku kostnego.

Uczenie głębokie pozwala przenieść cały czasochłonny etap obliczeniowy do procesu treningu – sieć neuronowa jest wcześniej uczona, w jaki sposób dane zadanie wykonywać, czyli np. jak rekonstruować defekt czaszkowy, a następie jak projektować konkretny implant. Dzięki temu samo wykorzystanie jej jako narzędzia trwa najczęściej kilka sekund. W ten sposób można osiągnąć element innowacyjności – system nie tylko będzie projektować naprawdę dobre implanty, ale będzie to robił w sposób, który będzie użyteczny dla lekarzy, czyli bezpośrednio na sali operacyjnej – przekonuje dr inż. Marek Wodziński.

Nagroda w formie stymulacji

Zamierza on zastosować podgrupę metod przetwarzania danych z zakresu uczenia głębokiego, która zawiera metody rzadko aplikowane do problemów z zakresu obrazowania medycznego, czyli m.in. uczenie ze wzmacnianiem. Zdobywają one informacje dzięki temu, że „środowisko” reaguje na ich działania. W ten sposób tworzy się boty, które są w stanie zwyciężać z ludźmi w różne gry, w tym pokonywać mistrzów szachowych. To ten schemat uczenia został wykorzystany, by nauczyć sztucznie wyhodowane kultury neuronów zasad gry w ponga. To prosta gra, która polega na odbijaniu piłki widocznej na ekranie w taki sposób, by nie opuściła wyznaczonego pola gry. Co było „marchewką” dla neuronów? Badacze założyli, że dla dowolnego systemu nagradzająca będzie przewidywalność, dlatego kiedy ruchy algorytmu, wedle zasad, pozwalały mu na zdobycie punktu, badacze stymulowali sieć zawsze w ten sam sposób. Jeśli natomiast robił coś nie po ich myśli – stymulacje tkanki przebiegały nieprzewidywalnie. W końcu neurony zaczęły reagować w taki sposób, jakby „chciały” wygrać, a więc wyglądało na to, że proces uczenia się przebiegł pomyślnie.

W przypadku badania prowadzonego przez młodego naukowca z AGH „środowisko” algorytmu powinno więc reagować inaczej, kiedy zaproponuje poprawny implant, a inaczej, kiedy rezultat jego obliczeń nie będzie nadawał się do implantacji. Taką ścieżką uzyska informacje dotyczące tego, jakie modele będzie dało się przytwierdzić do kości czaszki. Jeżeli przetworzy wystarczająco dużo przypadków, będzie w stanie dopasować implant do dowolnego ubytku.

Poprawki, przymiarki i inna rzeczywistość

Kiedy lekarz „wciśnie guzik”, algorytm wygeneruje implant o pasujących parametrach, ale jeszcze przed wydrukiem system będzie dawał użytkownikowi możliwość łatwej modyfikacji projektowanego rozwiązania za pomocą przyjaznego interfejsu. Wszystko po to, by ułatwić lekarzom pracę, a tym samym przyspieszyć cały proces i podnieść skuteczność przeprowadzanych zabiegów. Każdy chirurg może mieć nieco inne preferencje dotyczące kształtu i rozmiaru implantu, w zależności od techniki przeprowadzania operacji – system nie może tego przewidzieć, bo może istnieć wiele implantów, które równie dobrze spełnią swoją funkcję, a każdy chirurg wybierze inny.

Jeżeli lekarz będzie chciał coś zmodyfikować, np. stwierdzi, że woli mieć szerszy lub węższy implant, z inną dylatacją przy kości, to system pozwoli mu na manualne sterowanie procesem projektowania. Nie będzie jednak musiał obsługiwać specjalistycznego oprogramowania, ale będzie miał kilka suwaków, za pomocą których zmieni określone parametry – opisuje laureat ostatniej edycji programu LIDER.

Dodaje, że do projektu wprowadzono także inne udogodnienia, które mają podnieść atrakcyjność komercyjną proponowanego rozwiązania, m.in. zaangażowanie do procesu uzupełniania ubytku technologii mieszanej rzeczywistości. Lekarz będzie miał możliwość założenia specjalnych gogli, dzięki którym zobaczy to, co faktycznie znajduje się w pokoju, jak i hologram projektu implantu. Dzięki temu „przymierzy” go do czaszki, jeszcze zanim przybierze on fizyczną postać. To wygoda i oszczędność – konieczność ewentualnych poprawek będzie mogła zostać błyskawicznie dostrzeżona i wprowadzona, a kosztowne materiały wykorzystywane w celu druku implantów nie będą zużywane, dopóki operator nie uzyska pewności, że implant ma dokładnie taki kształt, jak powinien.

LIDER jest programem skierowanym do doktorantów, nauczycieli akademickich nie posiadających stopnia doktora oraz doktorów, w tym habilitowanych, którzy uzyskali ten stopień naukowy nie wcześniej niż w ciągu ostatnich 7 lat. Jego celem jest poszerzenie kompetencji młodych naukowców w samodzielnym planowaniu prac badawczych oraz zarządzaniu własnym zespołem, podczas realizacji projektów, których wyniki mogą mieć zastosowanie praktyczne i posiadają potencjał wdrożeniowy. W XIII edycji finansowanie otrzymało w sumie 49 projektów na łączną kwotę 71,3 mln zł. To najdłużej trwający program w ofercie NCBR. Od 2009 roku wyłoniono już blisko 550 młodych naukowców, którym przyznano ponad 660 mln zł na autorskie projekty badawcze.

źródło: AGH

Dyskusja (0 komentarzy)