Rak płuca jest główną przyczyną zgonów nowotworowych na świecie w dużej mierze dlatego, że wykrywany jest zbyt późno, w stadium zaawansowanym. Skuteczną strategią ograniczenia śmiertelności są badania przesiewowe w grupach wysokiego ryzyka z wykorzystaniem niskodawkowej tomografii komputerowej (NDTK), dziś jedynego powszechnie dostępnego narzędzia wczesnego wykrywania tej choroby. Barierą pozostaje jednak brak zatwierdzonych systemów automatycznej analizy obrazu. Istniejące rozwiązania generują zbyt wiele wyników fałszywie pozytywnych.
CARLOTA to system wspierający badania przesiewowe raka płuca poprzez automatyczną detekcję potencjalnych zmian chorobowych w badaniach NDTK. Wykorzystując zaawansowaną analizę radiomiczną i głębokie uczenie, rozwiązanie działa dwuetapowo:
- Wstępna klasyfikacja – na podstawie charakterystyki radiomicznej miąższu płuca system automatycznie ocenia prawdopodobieństwo obecności zmian potencjalnie złośliwych;
- szczegółowa analiza – u osób podwyższonego ryzyka narzędzie precyzyjnie wykrywa i segmentuje zmiany, zachowując odporność na różnice w protokołach akwizycji i między tomografami różnych producentów.
Modele budowane są w oparciu o dane z dwóch populacyjnych badań przesiewowych prowadzonych przez Gdański Uniwersytet Medyczny (2009–2011 oraz 2016–2018). Efektem projektu będzie sygnatura radiomiczna wczesnego raka płuca o wysokim potencjale aplikacyjnym oraz biblioteka modeli uczenia maszynowego do segmentacji, standaryzacji i kwantyzacji obrazów na tyle uniwersalna, że możliwa do adaptacji także w analizie innych narządów oraz innych technik obrazowania (wysokodawkowa TK, rezonans magnetyczny).
Skuteczniejsze badania przesiewowe w grupie wysokiego ryzyka mają fundamentalne znaczenie dla poprawy wyników leczenia raka płuca – problemu o strategicznym znaczeniu zdrowotnym i społeczno-ekonomicznym. Moduł CARLOTA zostanie udostępniony innym zespołom badawczym, a po weryfikacji potencjału aplikacyjnego przekazany do komercjalizacji.
Projekt realizowany we współpracy z Politechniką Śląską.