PRACE POGL DOWE. piœmiennictwa

Transkrypt

1 PRACE POGL DOWE Kinga KISZKA 1 Jerzy HADUCH 1,2 Mieczys³aw PASOWICZ 1 Zastosowanie automatycznych metod wspomagania detekcji (CAD) w radiologii klinicznej. Znaczenie i kierunki rozwoju CAD w ró nych technikach obrazowania przegl¹d piœmiennictwa Application of computer aided diagnosis (CAD) in clinical imaging. Presentation of the value and current directions in CAD development in various imaging techniques based on literature review 1 Krakowski Szpital Specjalistyczny im. Jana Paw³a II Oœrodek Diagnostyki, Prewencji i Telemedycyny Kierownik: Dr hab. med. Mieczys³aw Pasowicz 2 Akademia Górniczo-Hutnicza im. Stanis³awa Staszica w Krakowie, Wydzia³ Fizyki i Informatyki Stosowanej Dodatkowe s³owa kluczowe: diagnoza wspomagana komputerowo radiologia kliniczna Additional key words: CAD computer aided diagnosis computer assisted diagnosis automated computer diagnosis clinical radiology PACS DICOM SR Adres do korespondencji: Szpital im. Jana Paw³a II w Krakowie Oœrodek Diagnostyki, Prewencji i Telemedycyny Kraków, ul. Pr¹dnicka 80 Tel./Fax: (012) kinga.kiszka@szpitaljp2.krakow.pl Diagnoza wspomagana komputerowo, w skrócie CAD (z ang. Computer Aided Diagnosis) jest obecnie szeroko stosowan¹ w praktyce klinicznej metod¹ komputerowej analizy obrazu. Oprogramowanie komputerowe zosta- ³o wykorzystane jako narzêdzie pomocnicze w wykrywaniu i ocenie zmian patologicznych. CAD znalaz³a zastosowanie w wielu technikach obrazowania takich, jak np. mammografia, radiografia, tomografia komputerowa, rezonans magnetyczny czy ultrasonografia. Sta³a siê tak e g³ównym obiektem badañ naukowych w radiologii klinicznej, np. w detekcji guzków p³uc w tomografii komputerowej lub wykrywaniu raka sutka w mammografii. Koncepcja CAD opiera siê na równoœci ról lekarza i komputera, co zdecydowanie odró nia j¹ od g³oszonej w latach 60- tych XX w. koncepcji ACD (automated computer diagnosis), czyli zautomatyzowanej diagnozy stawianej przez komputer, bez ingerencji cz³owieka. Obecne kierunki badañ nad algorytmami CAD, które u³atwi³yby detekcjê zmian i umo liwi³yby diagnostykê ró - nicow¹, skupiaj¹ siê g³ównie nad unowoczeœnieniem technik obrazowania i algorytmów detekcji zmian, wdro eniem CAD do systemu PACS oraz stworzeniem tzw. pakietów CAD, czyli zbiorów obrazów patologii o podobnym charakterze. Celem artyku³u jest przybli enie problematyki CAD, przedstawienie w zarysie historii tej metody, aktualnych mo liwoœci zastosowania w ró nych technikach obrazowania oraz potencjalnych mo liwoœci i kierunków jej rozwoju. Wstêp Diagnoza wspomagana komputerowo, w skrócie CAD (computer aided diagnosis) jest obecnie w praktyce klinicznej szeroko stosowan¹ metod¹ komputerowej analizy Computer aided diagnosis (CAD) is a currently applied computerized analysis of medical images and is widely used as a tool in detection and differential diagnosis of abnormalities in medical imaging. In clinical practice CAD became a very useful implement in various imaging techniques such as mammography, radiography, CT, MRI or diagnostic ultrasound. CAD became also a major research subject in clinical radiology e.g. in detection of pulmonary nodules in chest CT or breast cancer on mammograms. CAD concept, unlike known from 1960s automated computer diagnosis concept (ACD), which is based on computer algorithms only takes into account equally the roles of physician and computer. Current directions in CAD development focus on continuous improvement of overall performance in detection of pathological lesions and assembling CAD schemes as packages implemented as a part of PACS system. The aim of this article is presentation of the concept of computer aided diagnosis, current opportunities of adopting CAD systems into various imaging techniques and new directions in CAD development. obrazu, w której oprogramowanie komputerowe zosta³o wykorzystane jako narzêdzie pomocnicze w wykrywaniu i ocenie zmian patologicznych. CAD znalaz³a zastosowanie w wielu technikach obrazowania takich, 437

2 jak np. mammografia i radiografia cyfrowa, tomografia komputerowa, ultrasonografia, czy rezonans magnetyczny. W radiografii cyfrowej udowodniono skutecznoœæ stosowania CAD w wykrywaniu guzkowych zacienieñ mi¹ szu p³uc [1,38,44,65,110] oraz detekcji z³amañ trzonów krêgów piersiowych w diagnostyce osteoporozy [28,47,48, 51,59]. Technika CAD okaza³a siê równie przydatna w ocenie wieku kostnego na podstawie radiogramu lewego nadgarstka [105]. W rezonansie magnetycznym oprogramowanie komputerowe wykorzystywane jest do detekcji wewn¹trzczaszkowych têtniaków [3,4,5,37,39,56] lub guzków p³uc [54]. W medycynie nuklearnej software komputerowy pos³u y³ wykrywaniu zmian w kontrolnym badaniu scyntygraficznym koœci [109]. Algorytmy CAD umo liwiaj¹ radiologom skorzystanie z oprogramowania komputerowego jako "drugiej opinii" przed postawieniem ostatecznej diagnozy. SERVER BAZY DANYCH stacja bazy danych SERVER ZARZADZANIA PROGRAMAMI UZYTKOWYMI STACJA ROBOCZA CAD stacja programu uzytkowego World Wide Web SERVER prezentacja danych Rycina 1 Schemat inteligentnej stacji roboczej. Opracowanie w³asne za: Pietka E. i wsp. [76]. Model of Inteligent Workstation after Pietka E. et al. [76]. Rycina 2 Schemat algorytmu CAD opracowanie w³asne. Model of CAD scheme. Koncepcja CAD Akronim CAD (z j. angielskiego computer-aided diagnosis) mo na w jêzyku polskim rozwin¹æ jako automatyczne metody komputerowo wspomaganej diagnozy. Spotykane w piœmiennictwie definicje odnosz¹ siê g³ównie do koncepcji CAD oraz sposobów zastosowania i udoskonalania oprogramowania komputerowego w radiologii klinicznej. Koncepcja CAD opiera siê na równoœci ról lekarza i komputera, w odró nieniu od koncepcji ACD, w której diagnozê stawia komputer. W CAD zdolnoœæ detekcji zmian przez komputer nie musi przewy szaæ zdolnoœci radiologa, gdy jest komplementarna do jego oceny. Wielu autorów [16,18-22,24,25,30,49,105,73,74] podkreœla statystycznie istotny wp³yw CAD na poprawê wykrywalnoœci zmian i trafnoœci stawianej przez radiologów diagnozy. Wed³ug K. Doi [19] i S. Katsuragawy [49] CAD polega na zastosowaniu nowoczesnych technologii w zakresie oprogramowania komputerowego, których zadaniem jest wykrycie i odró nienie zmian nieprawid³owych od prawid³owych struktur anatomicznych w ró nych metodach obrazowania. Nowoczesne technologie stosowane w koncepcji CAD obejmuj¹ zaawansowan¹, komputerow¹ obróbkê obrazów dwu- i trójwymiarowych wraz z analiz¹ opart¹ g³ównie na iloœciowej ocenie informacji w nich zawartych stosuj¹c miêdzy innymi algorytmy wykorzystuj¹ce sztuczne sieci neuronowe. Wymogi sprzêtowe stawiane przed CAD s¹ bardzo wysokie dla przyk³adu zezwolenie FDA wydane w 1998 r. dla pierwszego komercyjnego oprogramowania wspomagaj¹cego wykrywanie zmian w mammografii opiera³o siê na dowodzie, e trafnoœæ detekcji zmian w technice CAD dorównuje dwóm radiologom i przewy sza poziomem trafnoœæ jednego radiologa [19,49]. Opisywana w literaturze z lat 90-tych XX w. koncepcja CAD bierze pod uwagê dwie sk³adowe: czynnik ludzki oraz maszynê [30]. Ostateczna diagnoza stawiana jest zawsze samodzielnie przez radiologa, natomiast komputerowa analiza i obróbka obrazu przy pomocy tzw. inteligentnych stacji roboczych pe³ni jedynie rolê pomocnicz¹, jako tzw. druga opinia. Oznacza to, e lekarz przy podejmowaniu decyzji mo e, ale nie musi braæ pod uwagê zmian wskazanych przez oprogramowanie komputerowe. Oznacza to, e CAD nie jest równowa na z rozpowszechnian¹ w latach 60-tych tzw. koncepcj¹ ACD (automated computer diagnosis), która polega³a na zautomatyzowanym diagnozowaniu zmian i stawianiu rozpoznania jedynie przez komputer. Przyk³adowy schemat inteligentnej stacji roboczej przedstawia rycina 1. Z technicznego punktu widzenia [105] CAD jest metod¹ obróbki, przetwarzania i parametryzacji obrazu, a nastêpnie analizy i archiwizacji uzyskanych informacji w bazie. Stworzenie bazy danych u³atwia dostêp do informacji o pacjencie (np. danych demograficznych lub klinicznych) oraz do zarchiwizowanych obrazów cyfrowych. CAD sk³ada siê z trzech stacji, które mog¹ byæ zainstalowane na ró nych platformach tj.: stacji bazy danych, stacji zarz¹dzania programami u ytkowymi i stacji roboczej. CAD standaryzuje proces podejmowania decyzji poprzez zastosowanie do ka dego badania tych samych, obiektywnych narzêdzi pomiaru. Odpowiednie zestawienie charakterystycznych obrazów okreœlonych patologii w pakiety mo e pos³u yæ do ustalenia medycznych standardów detekcji zmian chorobowych lub do celów naukowo-badawczych. Przetwarzanie obrazów obejmuje zwiêkszenie kontrastowoœci pomiêdzy s¹siaduj¹cymi strukturami, zró nicowanie dwóch rodzajów tkanek np. tkanki miêkkiej od tkanki kostnej, usuniêcie g³ównych anatomicznych struktur oraz wskazanie patologii (np. guzków p³uc). W tym celu stosowana jest metoda tzw. segmentacji, która odnosi siê do technik rozpoznawania charakterystycznych anatomicznych obszarów w oparciu o kszta³t narz¹du lub histogram stopnia szaroœci dla 438 K. Kiszka i wsp.

3 Rycina 3 Analiza komputerowa zagêszczeñ mi¹ szowych. W prawym dolnym rogu wykonana przez radiologa analiza przestrzenna podejrzanego obszaru potwierdzi³a obecnoœæ guzka. Computer analysis of solitary opacities in lung parenchyma. In lower right corner 3D analysis of suspected thickness confirmed presence of pulmonary nodule in this area. ró nych tkanek [105]. Kolejnym etapem jest pomiar wielkoœci, kszta³tu i parametrów statystycznych zaznaczonego fragmentu a nastêpnie jego wyodrêbnienie. Obszary te poddawane s¹ dalszej ocenie w poszukiwaniu patologii, tj. np. guzki p³uc, odma op³ucnowa, patologiczne konsolidacje w sutku, cechy osteoporozy lub zapalenia koœci. Proces przetwarzania obrazu cyfrowego i oceny radiologicznej w algorytmie CAD zosta³ schematycznie przedstawiony na rycina 2. Rozwój technik przetwarzania i analizy obrazu oraz zwiêkszaj¹ce siê mo liwoœci obliczeniowe komputerów (wydajnoœæ i szybkoœæ) sprawiaj¹, e CAD znajduje coraz czêstsze zastosowanie w ró nych technikach obrazowania, jako podstawowe narzêdzie z wyboru asystuj¹ce radiologowi w diagnostycznej ocenie obrazów [1,17,38,44, 46,53,65,70,77,110,111, 118]. Cele CAD w radiologii klinicznej G³ównym powodem wdro enia CAD do praktyki klinicznej jest poprawa wykrywalnoœci zmian oraz zmniejszenie liczby pomy- ³ek. Najczêstszym Ÿród³em pomy³ek s¹ czynniki ludzkie tj.: b³êdna ocena wykrytej zmiany, zmêczenie, trudnoœci w koncentracji, du a liczba badañ, syndrom zadowolonego radiologa, brak doœwiadczenia i niekorzystny wp³yw czynników zewnêtrznych. Dodatkowo programy komputerowe posiadaj¹ zdolnoœæ szybkiego poszukiwania i odzyskiwania danych o wszystkich badaniach w bazie. Z tego wzglêdu algorytm CAD znajduje swoje zastosowanie przede wszystkim w badaniach przesiewowych, w których g³ównym celem jest: Wykrywanie odchyleñ od normy w obrazowych badaniach skriningowych [1-6, 8-25,27-56, 59,62-74,77-81,83, ]. Ró nicowanie zmian ³agodnych od z³oœliwych w oparciu o takie cechy, jak obecnoœæ spikul, obrysy, gêstoœæ [1-6,8-25,27-56,59,62-74,77-81,83, ]. Pomiar prawid³owych i nieprawid³owych struktur oraz ocena ewolucji zmian w czasie Stawianie diagnozy obrazowanych nieprawid³owoœci [1-56,59,62-81,83, ]. Udoskonalone narzêdzia pomiarowe zosta³y wykorzystane do wykrywania w indywidualnym narz¹dzie zmian subtelnych, czêsto trudnych do jednoznacznej oceny. Przyk³adowo pomiar lokalnej atrofii p³ata skroniowego wykorzystywany jest w diagnostyce epilepsji i choroby Alzheimera [11,43], natomiast pomiar gêstoœci nadnerczy zosta³ u yty w tomografii komputerowej do diagnostyki chorób tego narz¹du [35]. Ostateczne rozpoznanie choroby w diagnostyce obrazowej stawiane jest zawsze w oparciu o dane kliniczne. Historia CAD Pierwsze próby komputerowej analizy obrazów medycznych siêgaj¹ lat 60-tych XX wieku, natomiast powa ne i systematyczne badania w tej dziedzinie rozpoczêto w latach 80-tych. Nastêpuje wówczas fundamentalna zmiana filozofii u ytkowania oprogramowania komputerowego, a mianowicie rozpowszechnion¹ w latach 60-tych koncepcjê automatycznej diagnozy stawianej przez komputer (ACD z j. ang. automated computer diagnosis) zast¹piono inn¹ koncepcj¹ diagnozy wspomaganej oprogramowaniem komputerowym (CAD) [27,31,32,40,41, 42,69]. W koncepcji ACD komputer mia³ ca³kowicie przejmowaæ zadania lekarza radiologa, gdy zak³adano, e maszyna jest o wiele bardziej skuteczna w detekcji i wizualizacji zmian ni cz³owiek. Okaza³o siê jednak, e na prze³omie lat 50-tych i 60-tych komputery nie by³y wystarczaj¹co zaawansowane technicznie, nie istnia³y wówczas jeszcze odpowiednie programy komputerowe, a obrazowanie cyfrowe nie by³o szeroko dostêpne. Koncepcja ACD wynika³a zatem z oczekiwañ stawianych przez ludzkoœæ komputerowi i innym maszynom. Dlatego te oprogramowanie ACD próbowano wykorzystaæ jako pomoc w podejmowaniu decyzji nie tylko w radiologii, lecz tak e w wielu dziedzinach medycyny [68,80,117]. Lata 80-te przynosz¹ nowe spojrzenie na znaczenie oprogramowania komputero- 439

4 Rycina 4 Zdjêcie po lewej przedstawia zaznaczone przez komputer obszary podejrzane. Zdjêcie po prawej jest trójwymiarow¹ rekonstrukcj¹ zagêszczenia nr 3, które potwierdza obecnoœæ drobnego zwapnienia. Picture on the left: computer analysis of suspected nodular opacities in lung parenchyma. Picture on the right: 3D reconstruction of solitary lesion no. 3 from the picture on the left confirms presence of small cacification. Rycina 5 Przyk³adowe zastosowanie programu CaScoring. Obszary uwapnione zosta³y oznaczone przez komputer kolorem ró owym. Exemplary application of CaScoring. Calcified regions are marked with pink colour with the CAD software. 440 K. Kiszka i wsp.

5 Rycina 6 Wynik analizy CaScoring. W prawym górnym rogu przedstawiono wstêpn¹ analizê komputerow¹. Górny obrazek po lewej przedstawia wybrane przez radiologa obszary odpowiadaj¹ce têtnicom wieñcowym. W dolnym prawym rogu widoczne s¹ wyniki matematycznej analizy stopnia uwapnienia obliczone dla ka dej z têtnic. Computerized analysis with CaScoring software. Picture in the right upper corner presents initial computerized analysis of calcified regions. On the picture in the left upper corner small parts of main branches of coronary arteries depicted by radiologist are presented. In the right low corner final mathematical analysis of calcification degree for each coronary artery is shown. wego w analizie obrazu. Promowana jest wówczas tzw. koncepcja CAD, wg której komputer spe³nia rolê jedynie narzêdzia pomocniczego przy podejmowaniu przez radiologa decyzji w przypadkach w¹tpliwych, ale nigdy nie bêdzie równorzêdny z cz³owiekiem [27,31,32,40-42,69]. Obydwie koncepcje zarówno CAD i ACD znajduj¹ dziœ swoich zwolenników. Niektórzy naukowcy s¹ zdania, e postêp w rozwoju nowoczesnych technologii stosowanych przy CAD przyczyni siê do wykorzystania programów komputerowych jako pierwszorzêdowej diagnozy, która by³aby równorzêdna z ACD [31,32,40-42,69,27]. Porównanie koncepcji CAD i ACD Wspóln¹ cech¹ CAD i ACD jest wykorzystanie komputera do iloœciowej analizy obrazów cyfrowych. G³ówn¹ ró nic¹ pomiêdzy CAD i ACD jest sposób u ycia oprogramowania komputerowego do diagnostyki. Jak wy ej wspomniano w koncepcji CAD radiolog u ywa komputera jako drugiej opinii, ale to radiolog podejmuje decyzjê ostateczn¹. W przypadkach, gdy jest pewny swojej decyzji mo e zgodziæ siê lub odrzuciæ diagnozê postawion¹ przez komputer. Jednak, gdy lekarz nie jest pewny rozpoznania, wówczas zastosowanie CAD o wysokim standardzie powinno jednoznacznie rozstrzygn¹æ w¹tpliwoœci i naprowadziæ na prawid³ow¹ diagnozê. W ten sposób wytwarza siê synergistyczny efekt pomiêdzy mo - liwoœciami komputera i zdolnoœciami cz³owieka [1,17,27,31,32,38,40-42,44-46,53, 57, 63,65,66,70,77,110,111,113,118]. W odró nieniu od powy ej opisanej koncepcji, przed ACD stawiany jest wymóg bardzo wysokiej jakoœci sprzêtu, poniewa stopieñ detekcji zmian wykrywanych przez algorytm ACD nie mo e byæ gorszy ni umiejêtnoœci radiologa [68,80,117]. Je eli sprzêt nie spe³nia³by bardzo wysokich wymagañ jakoœciowych i gdyby odsetek wykryæ fa³szywie dodatnich w przeliczeniu na jeden przypadek by³ zbyt wysoki, metoda ACD nie zosta³aby zaakceptowana na rynku medycznym zarówno przez pacjentów jak i firmy ubezpieczeniowe [38]. Ponadto brak pewnoœci co do trafnoœci diagnozy postawionej w technologii ACD wymusza na radiologu dokonania ponownej weryfikacji wyniku, co jest jednak w³aœciwoœci¹ algorytmu CAD, nie ACD. Z tego wzglêdu implementacja ACD wymaga wysokiej czu³oœci i specyficznoœci oprogramowania, co jest bardzo trudnym wyzwaniem dla naukowców zajmuj¹cych siê oprogramowaniem komputerowym (informatyków, in ynierów medycznych) [38]. St¹d te wynika kolejna ró nica pomiêdzy koncepcj¹ CAD i ACD, polegaj¹ca na sposobie oceny wyników. Poziom wyników w schemacie ACD determinowany jest mo liwoœciami komputera, natomiast w metodzie CAD trafnoœæ wyznaczana jest przede wszystkim poziomem zaawansowania umiejêtnoœci i wiedzy radiologa. Z tego wzglêdu wa - ne jest ci¹g³e doskonalenie oprogramowania CAD tak, aby opisuj¹cy lekarze wykorzystywali je w sposób jak najbardziej efektywny. Pocz¹wszy od 1990 r. przeprowadzono wiele badañ [1,17,27,31,32,38,40-42,44-46,53,57,63,65,66,70,77,110,111, 113,118], których wyniki analizowane najczêœciej przy u yciu krzywej ROC (z j. ang. receiver operating characteristic) wykaza³y istotn¹ statystycznie poprawê wykrywalnoœci guzków p³uc na radiogramach klatki piersiowej po zastosowaniu CAD [16,18-22,24, 25,30,49,73,74,105]. W latach gwa³townie przybywa publikacji na temat poprawy wykrywalnoœci zmian patologicznych w obrêbie ró nych narz¹dów i uk³adów, co zosta³o przedstawione w tabeli I. Od lat 90-tych mo na znaleÿæ w piœmiennictwie [17,46,53,58,77,98] liczne doniesienia na temat pozytywnych wyników zastosowania CAD w innych technikach ni rentgen klatki piersiowej. Publikacje dotyczy³y zastosowania CAD w mammografii [8-10, 12,14,15,23,34,64,78,108,112,114] do detekcji ognisk mikrozwapnieñ i konsolida- 441

6 Rycina 7 Wynik komputerowej analizy przy pomocy oprogramowania SurePlaque sk³adu blaszki mia d ycowej wybranego fragmentu LAD. Computerized analysis of plaque composition in LAD with SurePlaque software. cji; w tomografii komputerowej do ujawniania guzków p³uc i œródmi¹ szowych zacienieñ [2,6,13,62,72,107,116] oraz w obrazowaniu magnetycznego rezonansu [107] i tomografii komputerowej przy poszukiwaniu wewn¹trzczaszkowych têtniaków [3-5,37, 39,55,56,83,106,115]. Zastosowania koncepcji CAD w ró nych technikach w œwietle badañ naukowych Koncepcja CAD jest obecnie szeroko stosowana w diagnostyce obrazowej jako wspó³pracuj¹ce z radiologiem na zasadzie drugiej opinii narzêdzie pomocnicze. CAD jest stosowana zarówno w odmiennych technikach obrazowania [1-6, 8-15,17-19,23,25, 27-56,59,62-72,77-81,83, ], jak równie wspomaga diagnozowanie chorób poszczególnych narz¹dów i uk³adów [1-6, 8-15,17-19,23,25, 27-56, 59,62-72,77-81, 83, ]. Wed³ug Amerykañskiego Towarzystwa Radiologów RSNA w latach oprogramowanie CAD stosowano przy diagnostyce nastêpuj¹cych narz¹dów i uk³adów: klatka piersiowa, sutek, jelito grube, mózg, w¹troba, uk³ad pokarmowy, uk³ad miêœniowo-szkieletowy oraz uk³ad sercowonaczyniowy [19]. Postêp techniczny i doskonalenie oprogramowania komputerowego oraz wprowadzenie obrazowania cyfrowego umo liwiaj¹ zastosowanie CAD w prawie wszystkich metodach, tzn.: radiografii (g³ównie klatki piersiowej), mammografii, ultrasonografii (sutka i wewn¹trznaczyniowej), rezonansie magnetycznym, niskodawkowej spiralnej TK (wirtualnej kolonoskopii, wirtualnej bronchoskopii, TK serca, angiografii-tk), a tak e w medycynie nuklearnej i ultrasonografii [1-6, 8-15,17-19,23,25,27-56,59,62-72,77-81, 83, ]. Sposób u ytkowania CAD zale y od preferencji opisuj¹cego lekarza - radiolog mo e wstêpnie ogl¹daæ obraz samodzielnie, a analizê komputerow¹ zastosowaæ dopiero przed postawieniem ostatecznej diagnozy. Negatywn¹ jednak stron¹ takiego postêpowania jest du a iloœæ czasu przeznaczana na badanie. Korzystniejszy pod wzglêdem redukcji czasu opisywania wydaje siê sposób wstêpnej analizy obrazu przez komputer i wtórnej oceny automatycznych wyników przez radiologa. W tym przypadku niepokój budzi ryzyko opuszczenia niektórych istotnych zmian, które nie zosta³y wychwycone przez komputer [16, 18-20, 21, 22, 24,25,30, 49,74,105]. Przyk³ady zastosowania algorytmu CAD w ró nych technikach obrazowania na podstawie przegl¹du literatury Zastosowanie CAD w mammografii Obrazowanie mammograficznie mo na ogólnie podzieliæ na badania przesiewowe i diagnostyczne, przy czym w mammografii diagnostycznej prawdopodobieñstwo wykrycia nowotworu jest du o wy sze ni w skriningu. Opublikowane badania dotycz¹ce wp³ywu u ycia CAD na detekcjê zmian w mammografii wykaza³y wiêksz¹ czu³oœæ w wykrywaniu raków sutka przy u yciu tego narzêdzia [8-10,12,14,15,25,34, 64,78,109, 112,114]. Wspomagana komputerowo diagnoza odnios³a tak e wielki sukces w wykrywaniu z³oœliwych mikrozwapnieñ [8-10,12,14,15,25,34,64,78,109,112,114]. CAD stosuje odmienny algorytm detekcji zmian ni oko ludzkie. Program ocenia badanie w pojedynczej projekcji, podczas gdy oko ludzkie preferuje badanie porównawcze celem oceny symetrii. Algorytmy CAD u ywane s¹ równie do ró nicowania zmian ³agodnych i z³oœliwych [8-10,12,14,15,25,34,64,78,109, 112, 114], a tak e stosowane s¹ w wykrywaniu zaburzeñ architektury sutka [8-10,12,14,15,25,34,64,78,109,112,114]. Zastosowanie CAD w radiografii i tomografii klatki piersiowej Podobnie jak mammografia badanie RTG klatki piersiowej równie spe³nia rolê skriningow¹ w wykrywaniu nowotworu, a tomografia komputerowa pe³ni w tym zakresie rolê badania diagnostycznego. W obu technikach zastosowanie CAD sprowadzone jest g³ównie do wykrywania guzków p³uc, jako cech rozsiewu nowotworowego oraz oceny zmian w czasie [1,2,6,13,38,44, 46,62,63,65,66,72,107,110,113,116]. Ostatnie doniesienia na temat detekcji guzków w CT zosta³y wykazane w piœmiennictwie [2,6,13,46,62,63,66,72,107,113,116]. Najwiêkszym problemem s¹ wyniki fa³szywie dodatnie, poniewa oprogramowanie komputerowe wykrywa nie tylko prawdziwe guzki, ale tak e prawid³owe struktury anatomiczne, które przypominaj¹ guzki swoim wygl¹dem. Czu³oœæ i swoistoœæ metody CAD zale y od choroby podstawowej i chorób 442 K. Kiszka i wsp.

7 Tabela I Liczba publikacji w latach dotycz¹cych zastosowania CAD w diagnostyce ró nych narz¹dów i uk³adów. Opracowanie w³asne na podstawie [18]. Number of CAD papers related to diagnostic imaging of different organs from after: Doi K. et al. [18]. wspó³istniej¹cych oraz od rozmiaru guzków. Z tego wzglêdu uwa a siê, e CAD pomaga radiologom wskazaæ obszary podejrzane o wyst¹pienie guzka, obni a czynnik zmêczenia i poprawia ogóln¹ dok³adnoœæ i efektywnoœæ badañ wysokoobjêtoœciowych, ale nie jest jeszcze wystarczaj¹co doskona³y, by móg³ samodzielnie wykrywaæ i oceniaæ guzki [1,2,6,13,38,44,46,62,63,65,66, 72,107, 110,113,116]. W tomografii komputerowej metoda CAD jest równie wykorzystywana do diagnostyki zacienieñ typu mlecznego szk³a [2,6,13,46,62,63,66,72,107,113,116]. W Oœrodku Diagnostyki Prewencji i Telemedycyny Szpitala im. Jana Paw³a II w Krakowie do detekcji zagêszczeñ guzkowych w mi¹ szu p³uc wykorzystywana jest stacja robocza Leonardo z oprogramowaniem LungCARE. W pocz¹tkowej fazie obróbki obrazu komputer wykrywa i zlicza zagêszczenia mi¹ szowe, które na przekroju poprzecznym przypominaj¹ kszta³tem guzki. Oceniaj¹cy badanie radiolog dokonuje przestrzennej analizy i selekcji ka dego wskazanego przez komputer obszaru. Wynik wstêpnej analizy komputerowej przedstawia rycina 3. Przestrzenne obrazowanie guzka umo - liwia równie pomiar œrednicy i objêtoœci guzka oraz ocenê stopnia konsolidacji i/lub uwapnienia. Na ryc. 4 pokazany zosta³ guzek, który poddany dok³adniejszej ocenie okaza³ siê ³agodnym zwapnieniem Klatka piersiowa Sutek Jelito grube Mózg W¹troba Uk³ad miêœniowo-szkieletowy Uk³ad naczyniowy Ogó³em Zastosowanie CAD w detekcji z³amañ trzonów krêgów odcinka piersiowego krêgos³upa w oparciu o radiogram klatki piersiowej w projekcji bocznej Wykrywanie du ych kompresyjnych z³amañ na zdjêciu bocznym klatki piersiowej ma na celu wychwytywanie nowych przypadków osteoporozy w populacji. Metodê komputerowej detekcji z³amañ rozwin¹³ Kasai wraz ze swoimi wspó³pracownikami [48]. Analizie komputerowej poddawane s¹ obrazy trzonów krêgów i blaszek granicznych. Z³amanie identyfikowane jest wówczas, gdy wysokoœæ trzonu krêgu jest mniejsza od oczekiwanej w danej lokalizacji. Pomimo wysokiej czu³oœci metody ok. 95% [48] i stosunkowo niewielkiej liczby wyników fa³szywie pozytywnych w przeliczeniu na jeden przypadek ok [48] testuj¹cy metodê CAD naukowcy [28,47,48,51,59] zwracaj¹ uwagê na wysoki odsetek nierozpoznanych ciê kich przypadków z³amañ trzonów krêgów. Zastosowanie CAD w radiologii pediatrycznej Zastosowanie CAD w radiologii pediatrycznej obejmuje ocenê wieku kostnego opart¹ na zdjêciu rentgenowskim lewego nadgarstka. Program komputerowy porównuje radiogram rêki badanej ze standardowymi badaniami pacjentów w okreœlonym wieku celem wyszukiwania w koœciach badanego nadgarstka odchyleñ od biologicznej normy [104]. Zastosowanie CAD w obrazowaniu uk³adu miêœniowo-szkieletowego Literatura na temat zastosowania CAD w diagnostyce uk³adu miêœniowo-szkieletowego nie jest zbyt obszerna [67,23]. Publikacje odnosz¹ siê g³ównie do detekcji i diagnozy guzków lub innych chorób uk³adu miêœniowo-szkieletowego i oceny prawdopodobieñstwa choroby. Najwiêkszym osi¹gniêciem CAD jest pomiar zwê enia szpary stawowej i na tej podstawie oszacowanie progresji choroby zwyrodnieniowej. Technologia CAD wykorzystywana jest równie w diagnostyce ró nicowej zmian zapalnych stawów [67,23]. Zastosowanie CAD w neuroradiologii Tomografia komputerowa g³owy s³u y m. in. wykrywaniu ognisk udaru mózgu i jego ewentualnych powik³añ, tj. np. krwotoku. W tej dziedzinie CAD znalaz³a zastosowanie w ocenie progresji choroby w oparciu o pomiar wielkoœci zmian patologicznych [43,71]. Jest to szczególnie wa ne zadanie w technikach terapeutycznych obarczonych wysok¹ œmiertelnoœci¹. Mildjan i wsp. [71] opisali zastosowanie algorytmu CAD do wykrywania i oceny wielkoœci obszaru zawa³u w oparciu o obraz TK. W celu poszukiwania obszarów hipodensyjnych w j¹drze soczewkowatym i wyspie porównywano obrazy uzyskane w badaniu TK bez podawania kontrastu ze zdjêciami z atlasu anatomicznego, a nastêpnie dokonywano pomiaru ich gêstoœci. Poœród 35 badañ CAD wskaza³ 2 wyniki fa³szywie ujemne i 2 fa³szywie dodatnie, podczas gdy diagnozuj¹cy radiolodzy wskazali 5 wyników fa³szywie ujemnych. Zastosowanie technik mniej inwazyjnych od klasycznej angiografii, tj. angio-mr lub angio-tk [55,83,106,115] cieszy siê szczególnym zainteresowaniem w przypadku obrazowania têtniaków wewn¹trzczaszkowych. Ostatnie badania skupiaj¹ siê przede wszystkim na zastosowaniu algorytmu CAD w angiografii-mr do uwidocznienia ma³ych i œrednich wewn¹trzczaszkowych têtniaków [3-5,37,39,56]. Zespó³ Arimury [4,5] rozwin¹³ powy sz¹ technikê i wprowadzi³ klasyfikacjê czterech typów têtniaków w oparciu o takie cechy, jak wielkoœæ, morfologia zmiany i s¹siedztwo otaczaj¹cych struktur anatomicznych. Czu³oœæ metody w wykrywaniu ma³ych i œrednich têtniaków oscyluje w okolicach 96% przy 3,2 wynikach fa³szywie dodatnich w przeliczeniu na jeden przypadek. CAD angio-mr poprawi³ wyniki detekcji têtniaków wewn¹trzczaszkowych, co zosta³o udowodnione w badaniu z zastosowaniem analizy ROC [4,5]. Zastosowanie CAD w obrazowaniu uk³adu sercowo-naczyniowego Wielorzêdowa spiralna tomografia komputerowa (MSCT) zrewolucjonizowa³a diagnostykê obrazow¹ uk³adu sercowo-naczyniowego. Krótki czas skanowania oraz wysoka rozdzielczoœæ czasowa obrazu umo - liwi³y zarówno dok³adn¹ ocenê têtnic wieñcowych, zastawek, komór, masy miokardium, jak równie œciany naczyniowej i morfologii blaszki mia d ycowej, pomimo wystêpowania artefaktów oddechowych i ruchowych zwi¹zanych z czynnoœci¹ serca. Z tego wzglêdu MSCT jako metoda nieinwazyjna sta³a siê alternatyw¹ dla klasycznej angiografii, a algorytmy CAD w wielorzêdowej spiralnej tomografii komputerowej znalaz³y zastosowanie przede wszystkim w diagnostyce choroby niedokrwiennej serca. Komputerowa analiza obrazu pozwoli³a na lepsze uwidocznienie miejsca zwê enia têtnicy wieñcowej, obliczenie wskaÿnika zwapnienia têtnic wieñcowych tzw. Calcium Score oraz charakterystykê morfologii blaszki mia d ycowej. W literaturze du o uwagi poœwiêcono praktycznym aspektom zastosowania CAD w obrazowaniu uk³adu sercowo-naczyniowego. Wyniki badañ porównywa³y skutecznoœæ nowoczesnych nieinwazyjnych sposobów obrazowania w MSCT z klasyczn¹ angiografi¹ [76,84,82,58,61,26], œródwieñcow¹ ultrasonografi¹ (ICUS) [84,58] i metod¹ kardiologicznego rezonansu magnetycznego [92,95,96,75]. Analizie poddawano równie czu³oœæ i swoistoœæ oprogramowania CAD w detekcji istotnych hemodynamicznie zwê eñ w têtnicach wieñcowych przy zastosowaniu aparatów ró nej generacji [85, 60]. Wyniki wielooœrodkowego badania Millera i wsp. udowodni³y 85% czu³oœæ i 95% swoistoœæ angiografii TK w lokalizacji istotnych hemodynamicznie zwê eñ têtnic wieñcowych (>50% œrednicy). Jednak 91% pozytywna wartoœæ predykcyjna i 83% ujemna wartoœæ predykcyjna wskaza³y brak mo liwoœci zast¹pienia klasycznej koronarografii metod¹ MSCT na obecnym etapie rozwoju techniki [76]. Okabe i wsp. porównywali skutecznoœæ klasycznej koronarografii i MSCT w wykrywaniu niejednoznacznych angiograficznie 443

8 zwê eñ g³ównego, nielewostronnego pnia têtnicy wieñcowej z wynikami uzyskanymi technik¹ wewn¹trznaczyniowej ultrasonografii (IVUS). Uwidocznione w koronarografii miejsca podejrzane o zwê enie zosta³y potwierdzone w badaniach metod¹ MSCT i IVUS. MSCT wykaza³a wy sz¹ wartoœæ predykcyjn¹ od klasycznej angiografii w obrazowaniu œrednio uwapnionych zwê eñ. Ni - sza wartoœæ predykcyjna MSCT w porównaniu z angiografi¹ dotyczy³a detekcji zwê- eñ o wysokim wskaÿniku uwapnienia [76]. W angiograficznie niejednoznacznych zwê- eniach, których klasyczna koronarografia nie jest w stanie zró nicowaæ na zwê enia istotne i nieistotne pomiary minimalnej œrednicy œwiat³a (MLA) uzyskane w MSCT wykaza³y wartoœæ rokownicz¹ w lokalizacji miejsca istotnej stenozy (MLA<4mm) uzyskiwanej metod¹ IVUS [76]. W badaniach Pasowicza i wsp. dotycz¹cych wykrywania istotnych hemodynamicznie zwê eñ w têtnicach wieñcowych przy zastosowaniu ró nej generacji aparatów wykazano 84% czu³oœæ i 81% swoistoœæ dla skanerów 4-rzêdowych oraz 89% czu³oœæ i 97% swoistoœæ dla skanerów 16-rzêdowych [85]. Opublikowane w piœmiennictwie polskim wyniki badañ dotycz¹ce implementacji CAD w MSCT, prowadzone przez zespo³y badawcze ze Szpitala im. Jana Paw³a II w Krakowie wraz z zespo³em Oœrodka Diagnostyki Prewencji i Telemedycyny odnosz¹ siê do wykrywania i oceny zwê eñ têtnic wieñcowych [85,88,90,93], oceny dro noœci pomostów aortalno-wieñcowych i stentów implantowanych do têtnic wieñcowych oraz rozpoznawania restenozy po przezskórnym udro nieniu przewlekle zamkniêtych naczyñ wieñcowych [85,87, 89,91,99,101] metod¹ MSCT w porównaniu z klasyczn¹ angiografi¹ [85-89,91, 99,101]. W badaniach w³asnych dowiedziono, e wskaÿnik Calcium Score jako nieinwazyjna metoda iloœciowa okaza³ siê wartoœciowym parametrem w ocenie prawdopodobieñstwa wystêpowania zwê eñ w têtnicach wieñcowych oraz skutecznoœci leczenia zmian mia d ycowych w têtnicach wieñcowych [93, 94, 98]. Brak zwapnieñ z wysokim prawdopodobieñstwem wyklucza³ obecnoœæ istotnych zwê eñ w têtnicach wieñcowych [100]. Wielkoœæ wskaÿnika korelowa³a istotnie z wystêpowaniem zwapnieñ na zastawce aortalnej [98]. Analizie poddano równie przydatnoœæ MSCT têtnic wieñcowych w kwalifikacji pacjentów do chirurgicznej rewaskularyzacji [97, 102] i do operacji kardiochirurgicznych [103]. Algorytmy CAD w MSCT znalaz³y tak e zastosowanie w ocenie odleg³ych wyników angioplastyki têtnic nerkowych z wszczepieniem stentów [7]. W dalszej czêœci podrozdzia³u przedstawione zosta³y przyk³ady stosowanych algorytmów CAD w Oœrodku Diagnostyki Prewencji i Telemedycyny Szpitala im. Jana Paw³a II w Krakowie. Algorytm CAD znalaz³ tak e swoje zastosowanie do oceny perfuzji miêœnia serca technik¹ SPECT [28, 57] i pos³u y³ korelacji stopnia perfuzji z ocen¹ zwapnieñ w naczyniach wieñcowych metod¹ MSCT [57]. Oprogramowanie komputerowe wykrywa ubytki perfuzji miêœnia serca, wykorzystuj¹c analizê kszta³tu, rozmiaru i lokalizacji obszaru podejrzanego o niedokrwienie oraz odwracalnoœci zmian w trakcie badania. W badaniu PERFEX system CAD by³ równie skuteczny w detekcji i lokalizacji ognisk niedokrwiennych, jak oceniaj¹cy badania specjaliœci medycyny nuklearnej [28]. W naszym Oœrodku zastosowano algorytm CAD do obliczenia wskaÿnika uwapnienia têtnic wieñcowych przy wykorzystaniu stacji roboczych Leonardo lub Vitrea posiadaj¹cych oprogramowanie odpowiednio CaScoring oraz SurePlaque VScore i VesselProbe. W programie CaScoring obszary o wysokim stopniu uwapnienia kodowane by³y kolorem, co obrazuje rycina 5. Zaznaczone obszary odpowiada³y zarówno têtnicom wieñcowym, jak równie elementom kostnym. Powsta³y obraz musia³ zostaæ oceniony przez radiologa, który oznacza³ z osobna miejsca odpowiadaj¹ce g³ównym odga³êzieniom têtnic wieñcowych. Uzyskany wynik czêœciowej obróbki obrazu stanowi³ nastêpnie podstawê matematycznej analizy stopnia uwapnienia œciany wszystkich wskazanych têtnic wieñcowych. Ostateczny wynik analizy CaScoring zosta³ zaprezentowany na rycinie 6. Kolejnym przyk³adem implementacji CAD w naszym Oœrodku by³o zastosowanie oprogramowania Vitrea firmy Vital Images Inc., przy pomocy aplikacji SurePlaque oraz VesselProbe w celu detekcji i wstêpnej oceny sk³adu blaszki mia d ycowej oraz miejsca zwê enia w naczyniu wieñcowym. Zaznaczony przez radiologa odcinek naczynia poddano analizie komputerowej. Algorytm CAD oznacza³ wykryte blaszki mia d ycowe ró nymi kolorami w zale noœci od zawartoœci (bogatolipidowe, mieszane i uwapnione). Wynik przyk³adowej analizy komputerowej wybranego fragmentu LAD przy pomocy oprogramowania SurePlaque przedstawia rycina 7. Zastosowanie CAD w medycynie nuklearnej W medycynie nuklearnej schemat CAD znajduje zastosowanie w wykrywaniu przerzutów w badaniu scyntygraficznym koœci, a tak e detekcji nowopowsta³ych zmian w badaniu kontrolnym [72]. Wœród wielu powodów wyboru zastosowania techniki CAD w³aœnie w scyntygrafii koœci by³o u³atwienie detekcji bardzo subtelnych zmian przerzutowych oraz d¹ enie do redukcji czasu przeznaczanego na opisanie badania. Du y wk³ad w rozwój algorytmu CAD w scyntygrafii wnosz¹ badania Shiraishi i wspó³pracowników [72]. Dotycz¹ one poszukiwania zmian przerzutowych do koœci w badaniach kontrolnych przy zastosowaniu techniki czasowej subtrakcji obrazu, dziêki której wspomniane zmiany ulegaj¹ wzmocnieniu. Czu- ³oœæ metody waha siê w granicach 95%, a liczba wyników fa³szywie dodatnich w przeliczeniu na jeden przypadek wynosi 5,97 [72]. Zastosowanie CAD w metodach wirtualnego przetwarzania obrazu na przyk³adzie wirtualnej kolonografii CAD znajduje zastosowanie w detekcji obszarów podejrzanych w kierunku nowotworu. W wirtualnej kolonoskopii CAD skupia siê g³ównie na detekcji polipów. Badania wykaza³y, e czu³oœæ CAD w wykrywaniu polipów waha siê w granicach % a iloœæ wyników fa³szywie pozytywnych wynosi od 1 do 5 na jeden przypadek [67, 81, 52]. Rozrzut wyników minimalnych wielkoœci wykrywanych polipów wynika najprawdopodobniej z ró nych technik przygotowania pacjenta do badania i odmiennego sposobu skanowania jelit, co utrudnia zbiorcz¹ ocenê [52, 81, ]. Mo liwoœci i kierunki rozwoju CAD Rozwój koncepcji CAD jest wielokierunkowy. Wœród licznych innowacji rozwa ane jest wdro enie schematów CAD do oprogramowania stacji roboczych u ywanych w ró - nych technikach obrazowania np. mammografii, tomografii komputerowej czy rezonansie magnetycznym [18,19,25,30,49,105]. Kolejn¹ nowoœæ, która pozostaje nadal w fazie badañ naukowych stanowi tworzenie baz danych z³o onych ze zarchiwizowanych przypadków o identycznej patologii [16,18-22,25,30,49,105]. Umo liwi to ich wykorzystanie jako punktu odniesienia w diagnozowaniu nowego przypadku [16,18-22, 25,30,49,105]. Integracja CAD z systemem PACS Now¹ ide¹ w rozwoju komputerowo wspomaganej diagnozy jest w³¹czenie algorytmów CAD w system PACS w formie tzw. pakietów [16,18-22, 25,30,49,105,122] i mo - liwie najwiêksza redukcja wyników fa³szywie pozytywnych [16,18-22,24, 38,74,122]. Do tej pory producenci oprogramowania CAD skupiali siê na zapewnieniu jak najwiêkszej wydajnoœci i efektywnoœci swoich produktów. Wyniki komputerowo wspomaganej diagnozy przechowywane by³y na stacji roboczej CAD, na której by³y utworzone i tylko na niej mo na by³o uzyskaæ do nich dostêp. Komunikacja miêdzy systemem komunikacji i archiwizacji obrazów PACS (z ang. Picture Archiving and Communication System) by³a jednokierunkowa. Radiolog przy pomocy stacji roboczej pobiera³ z systemu PACS obrazy na stacjê robocz¹ CAD w celu wykonania analizy. Gromadzone w systemie PACS dane cyfrowe mo na uporz¹dkowaæ w taki sposób, aby utworzy³y zbiory podobnych do siebie obrazów w okreœlonej technice lub odnosi³y siê do okreœlonej patologii tworz¹c tzw. pakiety CAD. Pozwala to, przy zastosowaniu odpowiednich algorytmów, na ci¹g³e rozwijanie i poszerzanie bazy wiedzy, na podstawie której stawiana jest komputerowo wspomagana diagnoza. Dodatkowo funkcjonalnoœæ takiego zintegrowanego systemu CAD-PACS zostaje poszerzona o mo liwoœæ eksportu i archiwizacji obrazów z analizy CAD zgodnych ze standardem DICOM-SC (z ang. Digital Imaging and COmmunication in Medicine - Secondary Capture) lub nawet schematów przebiegu oraz rezultatów analizy w postaci raportu strukturalnego zgodnego ze standardem DICOM-SR (z ang. Structured Report). Takie rozwi¹zanie znacznie usprawni³oby wykorzystanie przez radiologów obrazów gromadzonych w systemie oraz umo liwi³o statystyczn¹ analizê wyników zgromadzonych w systemie PACS [122]. 444 K. Kiszka i wsp.

9 Strategie stosowania algorytmów CAD Na przestrzeni dziesiêcioleci w procesie doskonalenia algorytmu CAD naukowcy rozwinêli dwa g³ówne sposoby stosowania oprogramowania komputerowego. Pierwszy sposób wykorzystania algorytmów CAD znajduje zastosowanie w wykrywaniu zmian. W pakietach CAD gromadzone mog¹ byæ obrazy odnosz¹ce siê do zmian o znanej patologii. Przyk³adowo pakiet CAD radiogramów klatki piersiowej zawiera³by obrazy dotycz¹ce automatycznej detekcji guzków p³uc, zagêszczeñ œródmi¹ - szowych, kardiomegalii, z³amañ trzonów krêgów, wychwytywania zmian w badaniach kontrolnych. Drugi sposób wykorzystania algorytmów CAD, bêd¹cy rozszerzeniem pierwszego, pe³ni rolê w ocenie i diagnostyce ró nicowej np. w ró nicowaniu zmian ³agodnych i z³oœliwych. Na podstawie zgromadzonych i sklasyfikowanych odpowiednio pod wzglêdem patologii zmian pakietów CAD radiolog móg³by porównaæ nowy przypadek o nieznanej etiologii z pakietem CAD i wyszukaæ podobieñstwa miêdzy nimi. Tak utworzone pakiety CAD mog³yby zostaæ wykorzystane w diagnostyce ró nicowej np. chorób œródmi¹ szowych p³uc lub klasyfikacji guzków ³agodnych i z³oœliwych. Intensywne unowoczeœnianie i optymalizacja oprogramowania komputerowego, wprowadzanie nowoczesnych rozwi¹zañ technologicznych, tj. sztucznych sieci neuronowych i technologii "sztucznej inteligencji" wp³ywaj¹ pozytywnie na ci¹g³y rozwój koncepcji CAD. Jest on mo liwy dziêki wielooœrodkowej, interdyscyplinarnej wspó³pracy radiologów, in ynierów oraz programistów maj¹cej na celu spe³nienie oczekiwañ diagnostycznych oraz optymalizacje efektywnoœci i metod komputerowo wspomaganej diagnozy [16,18-22, 24, 25,30,49, 74, 105,]. Konieczne s¹ zatem dalsze badania oceniaj¹ce jakoœciowo (np. w analizie ROC) wp³yw CAD na poziom wykrywania zmian oraz monitoruj¹ce umiejêtnoœæ wykorzystania przez lekarzy konkretnego oprogramowania [73, 74]. Zakoñczenie Diagnoza wspomagana komputerowo (CAD) pozostaje nadal ciekaw¹ i rozwijan¹ przez interdyscyplinarne grupy naukowców metod¹ stosowan¹ w radiologii klinicznej. Jest szeroko stosowana jako praktyczne i pomocnicze narzêdzie w wielu technikach obrazowania, w których pe³ni rolê tzw. drugiej opinii. Wiele badañ wykazuje statystycznie istotny wp³yw CAD na poprawê wykrywalnoœci zmian i trafnoœci stawianej przez radiologów diagnozy. Prowadzone badania skupiaj¹ siê przede wszystkim nad unowoczeœnieniem technik obrazowania, udoskonalaniem oprogramowania komputerowej detekcji zmian, integracj¹ CAD z systemem PACS oraz utworzeniem tzw. pakietów CAD, czyli zbiorów obrazów patologii o podobnym charakterze. Rozwiniêcie metody CAD i wdro enie pakietów CAD do systemu PACS powinno znacznie usprawniæ diagnostykê ró nicow¹ poprzez wykorzystanie przez radiologów gromadzonych w systemie obrazów oraz raportów z wczeœniej zgromadzonych analiz. Obecnie podstawowe zastosowanie CAD dotyczy detekcji guzków p³uc w tomografii komputerowej i wykrywaniu raka sutka w mammografii, choæ stosowana jest tak- e w ultrasonografii, scyntygrafii, czy obrazowaniu magnetycznego rezonansu. W pracowni Diagnostyki Prewencji i Telemedycyny Szpitala im. Jana Paw³a II w Krakowie metoda CAD jest wykorzystywana w diagnostyce TK p³uc, szacowania stopnia uwapnienia têtnic wieñcowych i wstêpnego oszacowania budowy histologicznej blaszek mia d ycowych w têtnicach szyjnych i têtnicach wieñcowych. Piœmiennictwo 1. Abe H., MacMahon H., Shiraishi J. et al.: Computer-aided diagnosis in chest radiography. Semin. Ultrasound CT MR 2004, 25, Andinet A., Enquobahrie A., Reeves A. et al.: Automated detection of small pulmonary nodules in whole lung CT scans. Acad. Radiol. 2007, 14, Aprile I.: Evaluation of cerebral aneurysm with MRangiography. Riv. Neuroradiol. 1996, 9, Arimura H., Li Q, Korogi Y. et al.: Automated computerized for detection of unruptured intracranial aneurysms in three-dimensional MRA. Acad. Radiol. 2004, 11, Arimura H., Li Q, Korogi Y. et al.: Computerized detection of intracranial aneurysms for 3D MR angiography: feature extraction of small protrusions based on a shape-based difference image technique. Med. Phys. 2006, 33, Awai K., Murao K., Ozawa A. et al.: Pulmonary nodules: estimation of malignancy at thin-section helical CT - effect of computer-aided diagnosis on performance of radiologists. Radiology 2006, 239, 1, Badacz L., Moczulski Z., Pasowicz M. i wsp.: Przydatnoœæ wielorzêdowej spiralnej tomografii komputerowej w ocenie odleg³ych wyników angioplastyki têtnic nerkowych ze wszczepieniem stentów. Kardiol. Pol. 2004, 61, Birdwell R., Ikeda D., O'Shaughnessy K. et al.: Mammographic characteristics of 115 missed cancers later detected with screening mammography and the potential utility of computer-aided detection. Radiology 2001, 219, Birdwell R., Bandodkar P., Ikeda D.: Computeraided detection with screening mammography in a university hospital setting. Radiology 2005, 236, Butler S., Gabbay R., Kass D. et al.: Computeraided detection in diagnostic mammography: detection of clinically unsuspected cancers. Am. J. Roentgenol. 2004, 183, Cascino G. Jack C., Parisi J. et al.: Magnetic-resonance imaging- based volume studies in temporal lobe epilepsy: Pathological correlations. Ann Neurol 1991, 30, Cupples T., Cunninham J., Reynolds J.: Impact of computer-aided detection in a regional screening mammography program. Am. J. Roentgenol. 2005, 185, Das M., Mühlenbruch G., Mahnken A. et al.: Small Pulmonary nodules: effect of two computer-aided detection systems on radiologist performance. Radiology 2006, 241, 2, Dean J.C., Ilvento C.C.: Improved cancer detection using computer-aided detection with diagnostic and screening mammography: prospective study of 104 cancers. Am. J. Roentgenol. 2006, 187, Destounis S.V., DiNitto P., Logan-Young W. et al.: Can computer-aided detection with double reading of screening mammograms help decrease the falsenegative rate? Initial experience. Radiology 2004, 232, Doi K., MacMahon H., Katsuragawa S. et al.: Computer-aided diagnosis in medical imaging. Elsevier, Amsterdam, 1999, Doi K., Chan H., Giger M.L.: Method and system for enhancement and detection of abnormal anatomic regions in a digital image. Unites States Patent 1990, 4, 907, Doi K., MacMahon H., Katsuragawa S. et al.: Computer-aided diagnosis in radiology: potential and pitfalls. Eur J Radiol 2007, 31, Doi K., MacMahon H., Giger M. L., Hoffmann K.R.: Computer Aided Diagnosis in Medical Imaging. International Congress Series 1182 Radiology. Chicago, Doi K.: Diagnostic imaging over the last 50 years: research and development in medical imaging science and technology. Phys. Med. Biol. 2006, 51, Doi K.: Current status and future potential of computer-aided diagnosis in medical imaging. Br. J. Rad., Special Issue 2005, 78, Doi K.: Overview on research and development of computer-aided diagnosis schemes. Semin. Ultrasound CT MR 2004, 25, Duryea J., Li J., Peterfy C. et al.: Neural network based algorithm to quantify joint space width in joints of the hand for arthritis assessment. Med. Phys. 2000, 27, Engle R.L.: Attempt to use computers as diagnostic aids in medical decision making: a 30 year experience. Perspect. Biol. Med. 35, 2-Winter, The University of Chicago 1992, Erickson B.J., Bartholomai B.: Computer-Aided Detection and Diagnosis at the Start of the Third Millenium. J. Digit. Imaging 2002, 15, 2, Fine J., Hopkins C.B., Hall B.A. et al.: Noninvasive coronary angiography: agreement of multi-slice spiral computed tomography and selective catheter angiography. Int. J. Cardiovasc. Imaging 2004, 20, Fujita H., Doi K., Giger M. L.: Invastigation of basic imaging properties in digital radiogaphy. 6. MTFs of I.I.-TV digital imaging system. Med. Phys. 1985, 555, Gerlbach S.H., Bigelow C., Heimisdottir M. et al.: Recognition of vertebral fractures in a clinical setting: Osteoporos. Int. 2000, 11, Giger M.L., Armato S.G., MacMahon H. et al.: Computerized detection of pulmonary nodules in digital chest images: Use of morphological filters in reducing false-positive detections. Med. Phys. 1990, 17, Giger M.L., Doi K., MacMahon H. et al.: An "Intelligent" Workstation for Computer-aided Diagnosis. Radiographics 1993, 13, Giger M.L., Doi K.: Investigation of basic imaging properties in digital radiography. Part 2. Noise Wiener spectrum. Med. Phys. 1984, 11, Giger M.L., Doi K.: Investigation of basic imaging properties in digital radiography. Part 1. Modulation transfer function. Med. Phys. 1984, 11, Garcia E.V., Cooke C., Folks R. et al.: Diagnostic performance of an expert system for the interpretation of myocardial perfusion SPECT studies. J. Nucl. Med. 2001, 42, Gur D., Sumkin J., Rocketteet H. et al.: Changes in breast cancer detection and mammography recall rate after the introduction of a computer-aided detection system. J. Natl. Cancer Inst. 2004, 96, Hansen G. C., Hoffman R.B., Sample W.F. et al.: Computed tomography diagnosis of renal angiomyolipoma. Radiology 1978, 128, Henschke C.: Early lung cancer action project: Overall design and findings from baseline screening. Cancer 2000, 89, Hirai T., Korowi Y., Arimura H. et al.: Intracranial aneurysm at MR angiography: effect of computeraided diagnosis on radiologists' detection performance. Radiology 2005, 237, Huang H.K.: PACS and imaging informatics: basic principles and applications. John Wiley & Sons, Inc Huston J., Nichols D., Luetmer P. et al.: Blinded prospective evaluation of sensitivity of MR angiography to know intracranial aneurysm: importance of aneurysm size. Am. J. Neroradiol. 1994, 15, Ishida M., Frank P., Doi K. et al.: High-quality digital radiographic images: improved detection of low-contrast objects and preliminary clinical studies. Radiographics 1983, 3, Ishida M., Kato. H, Doi K. et al.: Development of a new digital radiographic image processing system. Proc SPIE 1982, 347, Ishida M., Frank. PH., Doi. K. et al.: Digital image processing: effect on the detectability of simulated low-contrast radiographics patterns. Radiology 1984, 445

10 150, Jack C.J., Xu Y., O'Brien P. et al.: Prediction of AD with MRI-based hippocampal volume in mild cognitive imparement. Neurology 1999, 52, Kakeda S., Korogi Y., Arimura H. et al.: Effect of temporal subtraction of technique on reading time and diagnostic accuracy in the interpretation of chest radiographs. Am. J. Roentgenol. 2006, 187, Kakeda S. Korogi Y., Ohnari N. et al.: 3D digital subtraction angiography of intracranial aneurysms: comparison of flat panel detector with conventional image intensifier TV system using a vascular phantom. Am. J. Neroradiol. 2007, 28, Kaneko M., Eguchi K., Ohmatsu H. et al.: Peripheral lung cancer: screening and detection with lowdose spiral CT versus radiography. Radiology 1996, 201, Kasai S., Li F., Shiraishi J. et al.: Development of computerized method for detection of vertebral fractures on lateral chest radiographs. Proc SPIE 2006, 6144, Kasai S. Li F., Shiraishi J. et al.: Computerized detection of vertebral compression fractures on lateral chest radiographs: preliminary results of a tool for early detection of osteoporosis. Med. Phys. 2006, 33, Katsuragawa S., Doi K.: Computer-aided diagnosis in chest radiography. Comput. Med. Imaging Graph. 2007, 31, Kim J., Im J., Han M. et al.: Improved visualization of stimulated nodules by adaptive enhancement of digital chest radiography. Acad. Radiol. 1994, 1, Kim N., Rowe B.H., Raymond G. et al.: Under-reporting of vertebral fractures on routine chest radiography. Am. J. Roentgenol. 2004, 182, Kiss G., Van Cleynenbreugel J., Thomeer M. et al.: Computer-aided diagnosis in virtual colonography via combination of surface normal and sphere fitting methods. Ear Radiol. 2002, 12, Kobayashi T., Xu X.W., MacMahon H. et al.: Effect of a computer-aided diagnosis scheme on radiologists' performance in detection of lung nodules on radiographs. Radiology 1996, 199, Kono R., Fujimoto K., Terasaki H. et al.: Dynamic MRI of solitary pulmonary nodules: comparison of enhancement patterns of malignant and benign small peripheral lung lesions. Am. J. Roentgenol. 2007, 188, Korogi Y., Hirai T., Koronogi Y. et al.: Intracranial aneurysms detecion with three-dimensional CT angiography with volume rendering - comparison with conventional angiographic and surgical findings. Radiology 1999, 211, Korogi Y., Takahashi M., Mabuchi N. et al.: Intracranial aneurysms. Diagnostic accuracy of three-dimensional Fourier transform, time-of-flight MR angiography. Radiology 1994, 193, Kostkiewicz M., Szot W., Pasowicz M. i wsp.: Porównanie perfuzji miêœnia serca ocenianej metod¹ Tc99m MIBI SPECT, z ocen¹ zwapnieñ w naczyniach wieñcowych metod¹ wielorzêdowej spiralnej tomografii komputerowej. Przegl. Lek. 2004, 61, 6, Leber A., Knez A., von Ziegler F. et al.: Quantification of obstructive and nonobstructive coronary lesions by 64-slice computed tomography: a comparative study with quantitative coronary angiography and intravascular ultrasound. J. Am. Coll. Cardiol. 2005, 46, Lenchik L., Rogers L.F., Delmas P.D. et al.: Diagnosis of osteoporotic vertebral fractures; importance of recognition and description by radiologists. Am. J. Roentgenol. 2004, 183, Lepor N., Madyoon H., Friede G.: The emerging use of 16- and 64-slice computed tomography coronary angiography in clinical cardiovascular practice. Rev. Cardiovasc. Med. 2005, 6, Leschka S., Eberli F.R., Luscher T.F. et al.: Accuracy of MSCT coronary angiography with 64-slice technology: first experience. Eur. Heart J. 2005, 26, Li F., Arimura H., Suzuki K. et al.: Improving radiologists' recommendations with computer-aided diagnosis for management of small nodules detected by CT. Acad. Radiol. 2006, 13, Li F., Arimura H., Suzuki K. et al.: Computer-aided diagnosis of detection of missed peripheral lung cancers on CT: ROC and LROC analysis. Radiology 2005, 237, Li H., Wang Y., Liu K.J.R. et al.: Computerized radiographic mass detection - part II: Decision support by featured database visualization and modular neural networks. IEEE Trans. Med. Imaging. 2001, 20, Li H., Wang Y., Liu K.J.R. et al.: Computerized radiographic mass detection - part II: Decision support by featured database visualization and modular neural networks. IEEE Trans. Med. Imaging 2001, 20, Li Q., Li F., Shiraishi J. et al.: Investigation of new psychophysical measures for evaluation of similar images on thoracic CT for distinction between benign and malignant nodules. Med. Phys. 2003, 30, Lodwick G.: A probalistic approach to the diagnosis of bone tumors. Radiol. Clin. North Am. 1965, 3, Lodwick G.S., Haun C.L., Smith W.E. et al.: Computer diagnosis of primary bone tumor. Radiology 1963, 80, MacMahon H. Engelmann R., Behlen F.M. et al.: The effect of pixel size on the detection rate of early pulmonary sarcoidosis in digital chest radiographics systems. Proc. SPIE 1984, 486, MacMahon H., Engelmann R., Behlen F.M. et al.: Computer-aided diagnosis of pulmonary nodules: results of a large-scale observer test. Radiology 1999, 213, Maldjian J.A., Chalela J., Kasner S.E. et al.: Automated CT segmentation and analysis for acute middle cerebral artery stroke. Am. J. Neuroradiol. 2001, 22, Marthen K., Engelke Ch.: Computer-aided detection and automated CT volumetry of pulmonary nodules. Eur. Radiol. 2007, 17, Metz C.E.: Some practical issues of experimental design and data analysis in radiological ROC studies. Invest. Radiol. 1989, 24, Metz C.E.: ROC methodology in radiologic imaging. Invest. Radiol. 1986, 21, Michalak M., Walecki J., Pasowicz M. i wsp.: Spektroskopia rezonansu magnetycznego w kardiologii - stan obecny i kierunki rozwoju. Kardiologia po Dyplomie 2004, 3, 4, Miller J., Rochitte C.E., Dewey M. et al.: Diagnostic performance of coronary angiography by 64-row CT. N. Engl. J. Med. 2008, 27, 359, Monnier-Cholley L., MacMahon H, Katsuragawa S. et al.: Computer-aided diagnosis for detection of interstitial infiltrates in chest radiographs: evaluation by means of ROC analysis. Am. J. Roentgenol. 1998, 171, Morton M.J., Whaley D.H., Brandt K.R. et al.: Screening mammograms: interpretation with computer-aided detection - prospective evaluation. Radiology 2006, 239, Muhm J.R., Miller W.E., Fontana R.S. et al.: Lung cancer detected during a screening program using four-month chest radiographs. Radiology 1983, 148, Myers P.H., CM Nice C.M., Becker H.C. et al.: Automated computer analysis of radiographic images. Radiology 1964, 83, Nappi J., Yoshida H.: Automated detection of polyps with CT colonography: Evaluation of volumetric features for reduction of false-positive findings. Acad. Radiol. 2002, 9, Nieman K., Cademartiri F., Lemos P.A. et al.: Reliable noninvasive coronary angiography with fast submillimeter multislice spiral computed tomography. Circulation 2002, 106, Ogawa T., Okudera T., Noguchi K. et al.: Cerebral aneurysms: evaluation with three-dimensional CT angiography. Am. J. Neroradiol. 1996, 17, Okabe T., Lindsay J, Buch A.N. et al.: Comparison of intravascular ultrasound to contrast-enhanced 64- slice computed tomography to asses the significance of angiographically ambiguous coronary narrowings. Am. J. Cardiol. 2008, 15, 102, Pasowicz M., Klimeczek P., Przew³ocki T.: Estimation of coronary artery stenosis with retrospective electrocardiogram-gated multislice CT. Eur. Heart J. 2002, 89, Pasowicz M., Klimeczek P., Konieczyñska M. i wsp.: Ocena dro noœci pomostów aortalno-wieñcowych metod¹ wielorzêdowej spiralnej tomografii komputerowej. Kardiol. Pol. 2001, 55, 1, Pasowicz M., Klimeczek P., Konieczyñska M. i wsp.: Ocena dro noœci stentów metod¹ wielorzêdowej spiralnej tomografii komputerowej. Kardiol. Pol. 2001, 55, 1, Pasowicz M., Klimeczek P., Przew³ocki T.: Ocena têtnic wieñcowych metod¹ wielorzêdowej spiralnej tomografii komputerowej. Przegl. Lek. 2002, 59, 4, Pasowicz M., Klimeczek P., Pieni¹ ek P. et al.: Assessment of sent patency using multi-slice spiral computed tomography: initial experience. Acta Cardiol. 2002, 57, 1, Pasowicz M., Klimeczek P., Przew³ocki T.: Wykrywanie i ocena zwê eñ têtnic wieñcowych z zastosowaniem wielorzêdowej spiralnej tomografii komputerowej (MSCT) - wstêpne wyniki. Kardiol. Pol. 2002, 56, 2, Pasowicz M. Klimeczek P., Przew³ocki T. i wsp.: Ocena dro noœci pomostów aortalno-wieñcowych i stentów implantowanych do têtnic wieñcowych metod¹ wielorzêdowej spiralnej tomografii komputerowej w porównaniu z angiografi¹. Przegl. Lek. 2002, 59, 8, Pasowicz M., Klimeczek P., Wicher-Muniak E. i wsp.: Zastosowanie tomografii rezonansu magnetycznego w diagnostyce kardiologicznej. Przegl. Lek. 2002, 59, 4, Pasowicz M., Konieczyñska M., Klimeczek P. i wsp.: Przydatnoœæ wskaÿnika uwapnienia têtnic wieñcowych Calcium Scoring w ocenie prawdopodobieñstwa wystêpowania zwê eñ w têtnicach wieñcowych. Kardiol. Pol. 2002, 56, 2, Pasowicz M., Konieczyñska M., Klimeczek P. i wsp.: Nieinwazyjna iloœciowa ocena zwapnieñ w têtnicach wieñcowych. Obecny stan wiedzy, zastosowanie kliniczne. Kardiol. Pol. 2002, 57, 8, Pasowicz M., Klimeczek P.: Modern imaging methods in cardiology. Przegl. Lek. 2003, 60, 3, Pasowicz M., Klimeczek P., Wicher-Muniak E. et al.: The use of cardiovascular magnetic resonance (CMR) in presurgical aortal stenosis assessment. Przegl. Lek. 2003, 60, 4, Pasowicz M., Klimeczek P., Wicher-Muniak E. et al.: The use of coronary artery multislice spiral computed tomography (MSCT) in qualification to surgical revascularisation. Przegl. Lek. 2003, 60, 4, Pasowicz M., Konieczyñska M., Klimeczek P. et al.: The evaluation of the dependency between the calcifications on the aortic valve and in the coronary arteries using MSCT. Przegl. Lek. 2003,60, 4, Pasowicz M., Gackowski A., Klameczek P. i wsp.: Niedro noœæ stentu w prawej têtnicy wieñcowej rozpoznana na podstawie badania MSCT. Opis przypadku. Kardiologia po Dyplomie 2004, 3, 4, Pasowicz M., Klimeczek P., Gackowski A. i wsp.: Ocena blaszek mia d ycowych, œrednicy i powierzchni wewnêtrznej têtnic wieñcowych porównanie ICUS i MSCT - wstêpne wyniki. Kardiol. Pol. 2004, 61, 3, Pasowicz M., Klimeczek P., Musia³ek P. i wsp.: Non invasive coronary stent assessment with 16-slice spiral computed tomography (MSCT). Eur. Radiol. 2004,14, 10, Pasowicz M., Klimeczek P., Wicher-Muniak E. i wsp.: The use of coronary multislice spiral computed tomography (MSCT) to identify patients for surgical revascularisation. Acta Cardiol. 2004, 59, 2, Pasowicz M., Klimeczek P., Wicher-Muniak E. i wsp.: Wykorzystanie wielorzêdowej tomografii komputerowej w kwalifikacji chorych do operacji kardiochirurgicznych. Przegl. Lek. 2004, 61, 6, Pietka B.E., Pospiech S., Gertych A. et al.: Computer automated approach to the extraction of epiphyseal regions in hand radiographs. J. Digit. Imaging 2001, 14, Pietka E., Gertych A., Witko K.: Informatics infrastructure of CAD system. Comput. Med. Imaging Graph. 2005, 29, Preda L., Gaetani P., Rodriguez V. et al.: Spiral CT angiography and surgical corrections in the evaluation of intracranial aneurysms. Eur. Radiology 1998, 8, Raffy Ph., Gaudeau Y., Miller D.P. et al.: Computer-aided detection of solid lung nodules in lossy compressed multidetector computed tomography chest exams. Acad. Radiol. 2006, 13, Sahiner B., Chan H., Petrick N. et al.: Improve- 446 K. Kiszka i wsp.

11 ment of mammographic mass characterization using spiculation measures and morphological features. Med. Phys. 2001, 28, Shiraishi J., Appelbaum D., Pu Y. et al.: Development of a computer-aided diagnostic scheme for detection of interval changes in successive wholebody scans. Med. Phys. 2006, 34, Shiraishi J., Abe H.,Engelmann R. et al.: Computer-aided diagnosis to distinguish benign from malignant solitary pulmonary nodules on radiographs: ROC analysis of radiologists' performanceinitial experience. Radiology 2003, 227, Shiraishi J., Li F., Doi K. et al.: Computer-aided diagnosis for improved detection of lung nodules by use of PA and lateral chest radiographs. Acad. Radiol. 2007, 14, Uchiyama N., Miyakawa K., Moriyama N. et al.: Radiographic features of invasive lobular carcinoma of the breast. Radiat. Med. 2001, 19, Warner E.E., Mulshine J.L.: Lung cancer screening with spiral CT: toward a working strategy. Oncology 2004, 18, Warren Burhenne L.J., Wood S.A., D'Orsi C.J. et al.: Potential contribution of computer-aided detection to the sensitivity of screening mammography. Radiology 2001, 216, White P.M., FRCR, Teasdale E.M. et al.: Intracranial aneurysms: CT angiography and MR angiography for detection - prospective blinded comparison in a large patient cohort. Radiology 2001, 219, Wiemker R., Rogalla P, Blaffert T. et al.: Aspects of computer-aided detection (CAD) and volumetry of pulmonary nodules using multislice CT. Br. J. Rad. 2005, 78, Winsbarg F., Elkin M., May J. et al.: Detection of radiographic anormalities in mammograms by means of optical scanning and computer analysis. Radiology 1967, 89, Xu X., Doi K., Kobayashi T. et al.: Development of an improvement CAD scheme for automated detection of lung nodules in digital chest images. Med. Phys. 1997, 24, Yoshida H, Dachmann A.H.: Computer-aided diagnosis for CT colonography. Semin. Ultrasound CT MR 2004, 25, Yoshida H., Masutani Y., MacEneaneyet P. et al.: Computerized detection of colonic polyps at CT colonography on the basis of volumetric features: pilot study. Radiology 2002, 222, Yoshida H., Nappi J., MacEneaney P. et al.: Computer-aided diagnosis scheme for the detection of polyps at CT colonography. Radiographics 2002, 22, Zhou Z., Liu B. J., Le A. H.: CAD-PACS integration tool kit based on DICOM secondary capture, structured report and IHE workflow profiles. Comput. Med. Imaging Graph. 2007, 31,