Автоматизация обработки МРТ-данных
для поддержки медицинских исследований мозга лабораторных животных.
Хачумов В.М., Фраленко В.П., Хачумов М.В., Шустова М.В.
ФИЦ ИУ РАН, ИПС им.А.К.Айламазяна РАН

Описаны методы интеллектуального анализа МРТ-данных при решении задач локализации ишемического поражения мозга крысы и трекинга трансплантированных мезенхимальных стволовых клеток (МСК). Для обнаружения особых зон применяют комплекс методов предварительной обработки и выделения информативных признаков, классификаторы в виде сверточных нейронных сетей и метрик. В основе выделения стволовых клеток лежат многоэтапные процедуры обработки исходных данных, в том числе процедуры точного выделения головного мозга и выделения скоплений клеток на сложном фоне, содержащем множество мелких сосудов головного мозга. По набору DICOM-снимков, сделанных в разные моменты времени (например, сразу после введения МСК, через 3 и 7 дней), удается находить и распознавать большую часть стволовых клеток, а также отслеживать тренд их движения. Для облегчения работы врача-исследователя разработан интерфейс с элементами когнитивной графики. Работа выполняется совместно с ИБМХ и РНИМУ им. Н.И. Пирогова по проекту РФФИ № 16-29-07116 офи_м "Информационно-аналитические модели и методы когнитивной визуализации процессов миграции и хоуминга трансплантированных мезенхимальных стволовых клеток для поддержки проведения научных исследований и разработки подходов к лечению заболеваний методами клеточной терапии".

Создание информационной базы клинических испытаний, отслеживание и анализ информации о достижениях современной медицины актуально для жизнедеятельности субъектов экономики и общества. Информация об проводимых испытаниях новых препаратов и медицинского оборудования фиксируется в виде протоколов, заполняемых руководителями испытаний, и хранятся в различных базах. Несмотря на свободный доступ к этим базам поиск необходимой информации затруднен, поскольку отсутствует необходимая структуризация данных, объемы которых исчисляются сотнями тысяч документов. С другой стороны, в мировом сообществе широко распространены медицинские онтологии, которые могут быть взяты за основу структуризации данных и извлечения информации из текстовых протоколов клинических испытаний. С этой точки зрения представляют интерес системы, которые работая с базой протоколов медицинских исследований, обеспечат: а) автоматическую индексацию текстов протоколов на основе онтологии, б) анализ и структурирование результатов исследований в виде набора фактов, в) содержательный информационный поиск в базе на основе семантического анализа запроса пользователя.
Отличительной чертой предлагаемого подхода к извлечению информации является ориентация используемых лингвистических описаний на конкретную область знаний: информация словарей, семантико-синтаксических моделей и схем извлечения фактов существенным образом опирается на структуру медицинской онтологии. А жанровая структура и особенности протоколов, написанных на естественном языке, но имеющих строгую структуризацию и требования к наименованиям препаратов, оборудования и описанию процесса испытаний, позволяет значительно ограничивать область поиска информации в тексте и обеспечивает высокую точность извлекаемых данных.
Предложенный подход апробируется на публичной базе английских текстов клинических испытаний, представленных на сайте ClinicalTrials.gov, содержащей более 200 тысяч протоколов. В дальнейшем планируется направить усилия на создание аналогичной системы для русскоязычного контента.

В докладе обобщены результаты исследований эффективности проактивных функций поддержки принятия врачебных решений, проведённых в течение последних 10 лет. Такие функции в составе медицинской информационной системы в упреждающем режиме информируют врачей о тех или иных ситуациях, которые могут возникать при назначении обследований и фармакотерапии и приводить к неблагоприятным последствиям.
Полученные в больницах различного статуса результаты позволяют утверждать, что работа проактивных функций приводит к значительному сокращению числа врачебных ошибок в ходе лечебно-диагностического процесса и, следовательно, к повышению уровня безопасности лечения.