Visione computerizzata, o il metodo per dare alle macchine la capacità di elaborare le immagini in modo avanzato, ha ricevuto una maggiore attenzione da parte dei ricercatori negli ultimi anni. È un termine ampio inteso a comprendere tutti i mezzi attraverso i quali le immagini possono essere utilizzate per raggiungere obiettivi medici. Le applicazioni spaziano dalla scansione automatica delle foto scattate con i telefoni cellulari alla creazione di rendering 3D che aiutano nelle valutazioni dei pazienti allo sviluppo di modelli algoritmici per l'uso in pronto soccorso in aree poco servite.

Poiché l'accesso a un numero maggiore di immagini è in grado di fornire ai ricercatori un volume di dati ideale per sviluppare algoritmi migliori e più robusti, una raccolta di immagini che sono state migliorate, o cancellati dei dettagli identificativi dei pazienti e quindi evidenziati nelle aree critiche, può avere un enorme potenziale per ricercatori e radiologi che si affidano a dati fotografici nel loro lavoro.

La settimana scorsa, il Laboratorio di Fisiologia Computazionale del MIT, una parte dell'Istituto per l'ingegneria e la scienza medica (IMES) guidato dal professor Roger Mark, ha lanciato un'anteprima del loro database di raggi X MIMIC-Chest (MIMIC-CXR), un repository di oltre 350, 000 radiografie toraciche dettagliate raccolte in cinque anni dal Beth Israel Deaconess Medical Center di Boston. Il progetto, come il precedente MIMIC-III del laboratorio, che ospita i dati dei pazienti in terapia intensiva di oltre 40, 000 ricoveri in terapia intensiva, è gratuito e aperto agli accademici, clinico, e ricercatori industriali tramite la risorsa di ricerca PhysioNet. Rappresenta la più grande selezione di radiografie del torace disponibili al pubblico fino ad oggi.

Con l'accesso al MIMIC-CXR, finanziato da Philips Research, gli utenti registrati e le loro coorti possono sviluppare più facilmente algoritmi per quattordici dei risultati più comuni di una radiografia del torace, compresa la polmonite, cardiomegalia (cuore ingrossato), edema (eccesso di liquidi), e un polmone perforato. Collegando i marcatori visivi a diagnosi specifiche, le macchine possono aiutare prontamente i medici a trarre conclusioni più accurate più velocemente e quindi, gestire più casi in meno tempo. Questi algoritmi potrebbero rivelarsi particolarmente utili per i medici che lavorano in ospedali con fondi e personale insufficienti.

"Le aree rurali in genere non hanno radiologi, " dice il ricercatore Alistair E. W. Johnson, co-sviluppatore del database insieme a Tom J. Pollard, Nathaniel R. Greenbaum, e Matthew P. Lungren; Seth J. Berkowitz, direttore dell'innovazione informatica in radiologia; Chih-ying Deng della Harvard Medical School; e Steven Horng, direttore associato dell'informatica per la medicina d'urgenza presso Beth Israel. "Se hai una stanza piena di pazienti malati e non hai tempo per consultare un radiologo esperto, è da qualche parte dove un modello può aiutare."

Nel futuro, il laboratorio spera di collegare l'archivio dei raggi X al MIMIC-III, formando così un database che include sia i dati che le immagini dei pazienti in terapia intensiva. Ci sono attualmente oltre 9, 000 utenti MIMIC-III registrati che accedono ai dati di terapia intensiva, e il MIMIC-CXR sarebbe un vantaggio per coloro in terapia intensiva che cercano di integrare i dati clinici con le immagini.

Un'altra risorsa del database risiede nella sua tempistica. I ricercatori dello Stanford Machine Learning Group e dello Stanford Center for Artificial Intelligence in Medicine and Imaging hanno pubblicato un set di dati simile a gennaio, raccolti in 15 anni allo Stanford Hospital. Il MIT Laboratory for Computational Physiology e i gruppi della Stanford University hanno collaborato per garantire che entrambi i set di dati rilasciati potessero essere utilizzati con il minimo sforzo per il ricercatore interessato.

"Con gli studi a centro unico, non sei mai sicuro se quello che hai trovato è vero per tutti, o una conseguenza del tipo di pazienti che l'ospedale vede, o il modo in cui si prende cura, " Johnson dice. "Ecco perché gli studi multicentrici sono così potenti. Lavorando con Stanford, abbiamo essenzialmente consentito ai ricercatori di tutto il mondo di eseguire i propri studi multicentrici senza dover spendere i milioni di dollari che in genere costano".

Come con MIMIC-III, i ricercatori potranno accedere a MIMIC-CXR completando prima un corso di formazione sulla gestione dei soggetti umani e poi accettando di citare il set di dati nel loro lavoro pubblicato.

"Il passo successivo sono i rapporti a testo libero, " dice Johnson. "Ci stiamo muovendo più verso avere una storia completa. Quando un radiologo sta guardando una radiografia del torace, sanno chi è la persona e perché sono lì. Se vogliamo semplificare la vita dei radiologi, i modelli devono sapere chi è la persona, pure."

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.