Za do 30% pacijenata koji su alergični na medicinsku kontrastnu boju ili imaju ograničenje boje zbog drugih zdravstvenih stanja, mogli bi otkriti da je potrebno više vremena za postavljanje dijagnoze kada su u pitanju po život opasni problemi pluća kao što je plućna embolija. To je zato što metode snimanja koje otkrivaju probleme sa plućima, ali ne koriste kontrastnu boju, nisu toliko tačne i mogu biti dugotrajnije za administraciju.
Sada, novi softver za snimanje, koji je razvio pulmolog Girish Nair, MD, sa Corevell Health, Univerzitetska bolnica Villiam Beaumont u Rojal Ouku, Mičigen, i biomedicinski inženjer Edvard Kastiljo, doktor nauka, sa Univerziteta Teksas u Austinu, obraća se industriji -široko pitanje i pružanje pacijentima pouzdanije alternative sa bržim, više ranih dijagnoza.
Funkcionalna slika izvedena putem CT-a, ili CTFI, je softverski program za kompjutersku tomografiju koji uzima komplikovanu matematiku, stavlja je u formulu koja se zove Integrisana Jakobijanska formulacija i brzo izračunava velike promene u zapremini pluća dok pacijent udiše i izdiše. Metoda takođe meri promene u masi krvi dok pacijent udiše i izdiše dok je u opuštenom stanju, a krv se pumpa u pluća.
Kao rezultat, softverski program pomaže lekarima i istraživačima da dobiju konzistentne podatke o pacijentima, što dovodi do boljih dijagnoza i specifičnosti o tome gde da ciljaju potencijalne terapije – sve bez kontrastne boje.
Ali to ne pomaže samo onima koji ne mogu da prime kontrastnu boju – to takođe pomaže svim pacijentima sa plućnim problemima kao što su hronična opstruktivna plućna bolest ili HOBP i rak.
„Do sada, glavni problem sa procenama zapremine pluća iz CT skeniranja udisaja i izdisaja bio je taj što rezultati nisu mogli da se repliciraju za pojedinačne pacijente“, rekao je dr Nair. „Drugim rečima, ako prvi put uradite CT skeniranje da biste izračunali razlike u zapremini u plućima, a zatim pokušate da to uradite ponovo, dobijate različite rezultate svaki put za istog pacijenta, što otežava dijagnozu i lečenje.
Prema Nairu, radijaciona onkologija je jedna oblast u kojoj je tačnost od vitalnog značaja kada se leči kancerozni tumor u plućima.
„Usmereno zračenje za lečenje tumora je neophodno i ako pacijent udiše i izdiše, onda će se tumor prirodno pomeriti ili promeniti položaj“, rekao je dr Nair. „Ovo može dovesti do toga da zračenje ide u druga područja pluća i potencijalno uzrokuje više štete nego koristi.“
Koristeći ovu najnoviju softversku tehnologiju, istraživači su pokazali da mogu da izbegnu ili ograniče zračenje na normalna područja pluća koja mogu biti pored tumora tokom terapije. Takođe su otkrili da korišćenje softvera može pomoći lekarima da otkriju plućnu emboliju merenjem i pronalaženjem promena krvne mase jednostavnim CT skeniranjem bez kontrasta, udisanjem i izdisajem.
„Ovo je važno jer obično kada ne možete da ubrizgate kontrastnu boju, pacijenti se ili leče opservaciono lekovima koji obično smanjuju rizik od krvnih ugrušaka, ali nose rizik od krvarenja ili moraju da se podvrgnu nuklearnim skeniranjima koja oduzimaju mnogo vremena i mogu uključivati ubrizgavanje radioaktivnog leka ili udisanje određene vrste gasa“, rekao je dr Nair. „Naš metod je lakši i ne uključuje nijedno od ovih.“
Ali prednosti ovog softvera ne prestaju tu.
Novi rezultati su predstavljeni na ATS 2024 koji pokazuju kako ovaj novi softver za snimanje može da predvidi progresiju bolesti kod pacijenata sa HOBP u periodu od 10 godina, nešto što sadašnje tehnologije takođe nisu bile u stanju da urade.
U retrospektivnoj analizi prospektivne kohorte koja uključuje 8.583 pacijenata sa HOBP, istraživački tim je otkrio da bi mogli: da poboljšaju model predviđanja pacijenata sa rizikom od umiranja na osnovu rezultata CT skeniranja inhalacije i izdisaja dobijenih na početku/upisu; pokazati progresiju bolesti kod pacijenata koji se leče i utvrditi da li terapija deluje; fenotip pacijenata koji bi mogli biti pod većim rizikom od progresije bolesti.
Trenutno, Castillo i Nair predvode tim istraživača koji proučavaju kako model mašinskog učenja zasnovanog na CTFI sa CT skeniranjem može povećati tačnost i nastaviti da pomaže lekarima da bolje identifikuju pacijente u riziku od progresije bolesti i poboljšaju stope preživljavanja HOBP.
„Na kraju, cilj je uvek da se obezbedi da lekari imaju najbolje alate koji su im na raspolaganju kada leče pacijente“, rekao je dr Kastiljo. „AI ima potencijal da značajno unapredi naš rad u cilju poboljšanja zdravlja pacijenata i spasavanja života.“
