Projekti / Programi
Računalniško-podprta diferencialna diagnoza parkinsonizmov na osnovi FDG-PET slikanja
| Koda |
Veda |
Področje |
Podpodročje |
| 2.06.00 |
Tehnika |
Sistemi in kibernetika |
|
| 3.03.00 |
Medicina |
Nevrobiologija |
|
| Koda |
Veda |
Področje |
| 2.06 |
Tehniške in tehnološke vede |
Zdravstveni inženiring |
| 3.01 |
Medicinske in zdravstvene vede |
Temeljna medicina |
parkinsonizem, mrežna analiza, fluorodeoksiglukoza (FDG), positronska emisijska tomografija (PET), FDG-PET slikanje, multinomska logistična regresija
Podatki za zadnjih 5 let (citati za zadnjih 10 let) na dan
28. junij 2024;
A3 za obdobje
2018-2022
Podatki za razpise ARIS (
04.04.2019 - Programski razpis,
arhiv
)
| Baza |
Povezani zapisi |
Citati |
Čisti citati |
Povprečje čistih citatov |
| WoS |
585 |
10.906 |
10.199 |
17,43 |
| Scopus |
491 |
13.205 |
12.370 |
25,19 |
Raziskovalci (18)
Organizacije (2)
Povzetek
V tem projektu bomo razvili dve novi orodji za računalniško podprto diferencialno diagnozo parkinsonizma in ju primerjali s standardno klinično diagnozo. Parkinsonski sindromi so skupina sindromov, za katere je značilna hipokinezija, togost, tremor v mirovanju in nenormalna hoja in drža. Najpogostejša je Parkinsonova bolezen (PD) z ocenjeno globalno razširjenostjo več kot 10 milijonov primerov in približno 5000 primerov v Sloveniji. Atipična oblika parkinsonizma vključuje atrofijo multiplega sistema (MSA), progresivno supranuklearno paralizo (PSP) in kortikobazalno degeneracijo (CBD). Običajni pristop k diferencialni diagnozi parkinsonizmov je kliničen, vendar je težaven v zgodnjih fazah, postavljena diagnoza pa napačna v 25%. Fluorodeoksiglukozna pozitronska emisijska tomografija (FDG-PET) meri metabolizem glukoze v možganih, ki je tesno povezan z lokalno neuralno aktivnostjo in gostoto. Topografske značilnosti nenormalne porabe glukoze so pri različnih parkinsonskih sindromih različne. Vizualna interpretacija FDG-PET slik izboljša natančnost diferencialne diagnoze, vendar zahteva visoko usposobljenega strokovnjaka. Za identifikacijo presnovnih možganskih mrež, značilnih za bolezen, se uporablja multivariatna tehnika prostorske kovariance, znana kot skalirani podprofilni model (SSM), ki temelji na analizi glavnih osi (PCA) na slikah FDG-PET. Kvantitativni indeks izražanja vzorca za določen sindrom lahko razlikuje med bolniki s tem parkinsonizmom in zdravimi posamezniki. Za izračun verjetnosti, da imajo bolniki posamezne parkinsonske sindrome, je bila že razvita analitična več-vzorčna tehnika. Vendar pa ta tehnika bazira na mrežnih slikovnih biomarkerjih, ki so bili optimizirani za diskriminacijo med bolniki z enim samim parkinsonizmom in zdravimi posamezniki, in ne daje boljših rezultatov kot vizualna ocena slik FDG-PET. Naš prvi pristop k računalniško podprti diferencialni diagnozi parkinsonizma je razširitev mrežne analize. Bolniki z vsemi vrstami parkinsonizma bodo vključeni v analizo, medtem ko konvencionalna mrežna analiza običajno vključuje zdrave kontrole in en parkinsonizem; uporabljena bo multinomska logistična regresija po SSM/PCA, medtem ko konvencionalna mrežna analiza uporablja standardno logistično regresijo. Drugi pristop bo klasificiral parkinsonske bolnike z modelom na osnovi globokega učenja, ki ga bo sestavljajo več plasti konvolucijskih nevronskih mrež. Pričakujemo, da bo vsaj en pristop presegel zmogljivost več-vzorčne slikovne tehnike z občutljivostjo in specifičnostjo okrog 75% in 90%, in po možnosti dosegel občutljivost in specifičnost vizualnih odčitkov, podprtih s statističnimi analizami na nivoju vokslov, ki znašata 90% oziroma 95%. Natančna zgodnja diagnoza parkinsonizma je izredno pomembna, ker: (1) različni parkinsonizmi se zdravijo različno, (2) klinične raziskave novih zdravil s potencialnim imunomodulirajočaim učinkom včasih niso uspešne, ker vključujejo napačno diagnosticirane bolnike, in (3) prognoza za različne parkinsonizme se precej razlikuje. Za ta projekt smo sestavili edinstveno interdisciplinarno raziskovalno skupino, ki jo sestavljajo medicinski fiziki s Fakultete za matematiko in fiziko, nevrologi z Oddelka za nevrologijo, Univerzitetni klinični center Ljubljana in specialisti nuklearne medicine ter medicinski fiziki z Oddelka za nuklearno medicino, Univerzitetni klinični center Ljubljana. Skupina tako zagotavlja edinstveno multidisciplinarno platformo za predlagani projekt, ki ima strokovno znanje na področju analize medicinskih slik, dostop do kliničnih podatkov in izvršilno vlogo v klinični praksi. Zato lahko ekipa naredi napredek pri diferencialni diagnozi parkinsonizmov z razvojem algoritmov za računalniško podprto diferencialno diagnozo parkinsonizma, verificira nove algoritme na realnih kliničnih podatkih in uvede te algoritme v klinično prakso.
