Ný gervigreindartækni hraðar og bætir greiningu heilamynda á einstaklingum með taugahrörnunarsjúkdóma

Rannsóknarteymi við Háskóla Íslands hefur þróað nýja og öfluga djúpnámsaðferð, Region-based U-nets, sem gerir kleift að greina og mæla heilahrörnun djúplægra heilasvæða á segulómsmyndum (MRI) með marktækt meiri nákvæmni og hraða en fyrri aðferðir hafa gert. Rannsóknin, sem unnin var af doktorsnemanum Mengyu Li undir handleiðslu Lottu Maríu Ellingsen, birtist nýlega í vísindaritinu NeuroImage:Clinical (sjá hér: https://www.sciencedirect.com/science/article/pii/S2213158225000774).

Aðferðin minnkar reikniþörf m.v. fyrri aðferðir og skilar nákvæmum og stöðugum niðurstöðum á stórum gagnasöfnum. Það er von rannsóknarhópsins að aðferðin geti leitt til framfara í rannsóknum og klínískri greiningu taugahrörnunarsjúkdóma, eins og Parkinson-skyldum sjúkdómum, og bætt möguleika á snemmgreiningu.

Nýstárleg aðferð við svæðaskiptingu heilamynda
Region-based U-nets notar mörg sérsniðin 3-víð tauganet í stað eins stórs nets (sjá Mynd 1). Með því að skipta heilamyndum í sérstök og vel skilgreind anatómísk svæði, þ.e. heilastofn, heilahólf og djúpkjarnakerfi (e. striatum), tekst að draga úr reikniálagi og minnisþörf sem yfirleitt fylgir myndgreiningaraðferðum sem vinna á stórum 3-víðum heilasneiðmyndum.

Mynd 1: Myndin sýnir myndvinnsluaðferðina í heild, frá seguómmynd af höfði til merkinga á 12 heilasvæðum í 3-vídd. (Mynd frá Mengyu et al, NeuroImage:Clinical, 2025)

Niðurstöður
Aðferðin var prófuð á þremur ólíkum gagnasöfnum, þar á meðal fjölsetra klínísku gagnasafni með 660 þátttakendum, bæði heilbrigðum (HC) og einstaklingum með hreyfitruflanir: Multiple System Atrophy (MSA, týpur C og P), Parkinson sjúkdóm (PD) og Progressive Supranuclear Palsy (PSP). Region-based U-nets náði góðum árangri í nákvæmni, m.a. með meðal Dice-líkindastuðli upp á 0,90 fyrir 12 mismunandi djúplæg heilasvæði. Þjálfun á tauganetinu sem áður tók nokkra daga tekur nú örfáar klukkustundir og niðurstöður fyrir hvern einstakling liggja fyrir á nokkrum sekúndum.

Mynd 2 sýnir rúmmálsmælingar gerðar á tveimur heilasvæðum, miðheila og brú (e. pons) í sjúklingahópunum fimm. Niðurstöðurnar eru afar lofandi um að hægt verði að nota slíkar rúmmálsmælingar, ásamt öðrum klínískum mælingum, við mismunagreiningu þessara sjúkdóma.

Mynd 2: Myndin sýnir (a) rúmmál miðheila og (b) rúmmál brúar (e. pons) reiknað með Region-based myndgreiningaraðferðinni fyrir mismunandi hópa: heilbriðgir (rautt), óflokkað MSA (gult), MSA-C (grænt), MSA-P (grænblátt), Parkinson (blátt) og PSP (bleikt). Á mynd (a) sést hvernig miðheili einstaklinga með PSP og MSA-C sýnir marktækt meiri heilahrörnun í miðheila en samanburðarhópar. Á mynd (b) sést hvernig einstaklingar með MSA-C sýna marktækt meiri heilahrörnun í brú samanborði við önnur heilkenni. (Mynd frá Mengyu et al, NeuroImage:Clinical, 2025)

Frá rannsóknartæki til stuðnings við klíníska greiningu
Handvirk merking heilasvæða í segulómmyndum, sem ennþá er talinn gullstaðallinn í nákvæmni merkinga, er afar hægvirk auk þess sem hún gefur mjög breytilegar niðurstöður milli matsmanna. Region-based U-nets leysir þetta vandamál með sjálfvirkum merkingum, sem eru hraðvirkar, nákvæmar og gefa ávalt sömu niðurstöður á sömu mynd. Aðferðin getur auk þess greint smávægilegar breytingar á heilanum sem mannsaugað á erfitt með að greina. Aðferðin gæti því reynst mikilvægt verkfæri bæði í stórum vísindarannsóknum og við greiningu taugahrörnunarsjúkdóma þar sem snemmbær merki eru oft lítil og torfundin.