Topigs Norsvin oferuje niezwykle szczegółowy i wydajny system gromadzenia danych z tomografii komputerowej. Dane te są niezwykle cenne dla hodowli trzody chlewnej, ale mogą być również przydatne w rozwoju diagnostyki obrazowej w medycynie człowieka.
Autor: dr Øyvind Nordbø, pracownik naukowy w Topigs Norsvin.
Świnie i ludzie mają stosunkowo podobną fizjologię. Dlatego świnie są często wykorzystywane jako modele zwierzęce w szkoleniach chirurgicznych i badaniach biomedycznych. W przeciwieństwie do ludzi, świnie żyją stosunkowo krótko, więc w przypadku świń nie napotykamy tych samych wyzwań medycznych, takich jak potencjalne uszkodzenia popromienne w wyniku tomografii komputerowej.
W tym artykule opowiadamy, w jaki sposób dzieląc się swoją wiedzą i innowacyjnymi rozwiązaniami, firma Topigs Norsvin przyczynia się do postępu w medycynie ludzkiej.
Tomografia komputerowa na dużą skalę w Topigs Norsvin
W stacjach testowania knurów Topigs Norsvin, w Delta Norwegia i Delta Kanada, co roku wykonuje się tomografię komputerową kilku tysięcy świń. W naszych programach hodowlanych tomografia komputerowa służy do uzyskiwania precyzyjnych pomiarów różnych cech tuszy i zdrowia. Każda świnia jest poddawana działaniu środków uspokajających przed badaniem, a procedura nie powoduje żadnych zauważalnych skutków ubocznych.
W tomografie komputerowym badany osobnik jest narażony na promieniowanie rentgenowskie pod różnymi kątami. Rodzaje tkanek o różnej gęstości, takie jak kość, mięsień i tłuszcz, pochłaniają promieniowanie rentgenowskie w różnym stopniu, a skala szarości na obrazie tomografii komputerowej odzwierciedla gęstość skanowanego obiektu. Skaner generuje obrazy 3D o wysokiej rozdzielczości, a Topigs Norsvin wykorzystuje zaawansowane modele komputerowe do uzyskiwania precyzyjnych pomiarów z obrazów skanowanych knurów.
IN PROGRESS: CT scanning in progress at Topigs Norsvin’s Delta Norway testing station. Together with Delta Canada, these facilities CT scan several thousand pigs annually, generating data that benefits both pig breeding and human medicine.
Wyzwania w medycynie człowieka
Tworzenie dobrych zbiorów danych medycznych dla ludzi napotyka na dwie kluczowe przeszkody. Po pierwsze, źródła danych muszą być całkowicie anonimowe, aby chronić prywatność pacjentów. Anonimizacja uniemożliwia jednak badaczom łączenie wielu pomiarów tej samej osoby w czasie, co utrudnia analizę interakcji między genetyką, środowiskiem i czynnikami stylu życia, wpływając na cechy zdrowotne. To ograniczenie nie występuje w hodowli trzody chlewnej, gdzie kompletne dane osobowe mogą być przechowywane przez całe życie każdego zwierzęcia, co pozwala badaczom uwzględnić czynniki środowiskowe przy obliczaniu potencjału genetycznego.
Po drugie, narażenie na promieniowanie stanowi poważny problem. Tomografia komputerowa wykorzystuje promieniowanie rentgenowskie. W przypadku knurów hodowlanych, które żyją maksymalnie dwa do trzech lat, dawka promieniowania pochodząca ze skanu nie stanowi zagrożenia dla zdrowia, ponieważ nie ma wystarczająco dużo czasu na rozwój kumulacyjnych uszkodzeń. W medycynie człowieka jednak pacjenci często przechodzą powtarzane skany przez wiele lat lub dziesięcioleci, co sprawia, że narażenie na promieniowanie stanowi problem. Duża, skumulowana dawka promieniowania rentgenowskiego zwiększa ryzyko zachorowania na raka, dlatego minimalizowanie narażenia na promieniowanie jest priorytetem w opiece zdrowotnej.
Wysokiej jakości obrazowanie przy obniżonym natężeniu promieniowania
Aby zmniejszyć długoterminowe ryzyko związane z tomografią komputerową, dawkę promieniowania można obniżyć, ale wiąże się to z pogorszeniem jakości obrazu. Jednym z możliwych rozwiązań jest wyszkolenie sztucznej inteligencji (AI) w celu poprawy jakości obrazów, tak aby obrazy wykonane przy niskich dawkach promieniowania odpowiadały jakości obrazów uzyskanych przy normalnych dawkach. Szkolenie takich modeli AI wymaga dużej ilości danych, których zebranie jest trudne, ponieważ narażałoby to ludzi na niepotrzebne promieniowanie.
We współpracy z Norweskim Uniwersytetem Nauki i Technologii (NTNU) i Uniwersytetem Sorbona w Paryżu, firma Topigs Norsvin przeprowadziła wielokrotne tomografie komputerowe przy normalnych, niskich (25%) i ultraniskich (5%) dawkach promieniowania u 50 świń (patrz rysunek 1). Te wielokrotne pomiary wydłużają czas pracy każdej świni na stole tomograficznym tylko o kilka minut, co sprawia, że dodatkowy koszt jest stosunkowo niski. W zamian Topigs Norsvin otrzymuje od swoich partnerów badawczych szczegółowe, opatrzone komentarzami dane dotyczące narządów wewnętrznych, które mogą ulepszyć i rozszerzyć modele AI firmy, zapewniając bardziej szczegółowe odwzorowanie anatomii świń.
Figure 1: CT images taken with normal (a), low (b), and ultra-low (c) radiation doses.
Opracowywanie tomografii komputerowej serca bez kontrastu
Obrazki TK dobrze sprawdzają się w rozróżnianiu tkanek o różnej gęstości. Jednak krew i mięśnie mają bardzo podobną gęstość, dlatego w obrazowaniu serca do krwi często dodaje się środki kontrastowe. Środki kontrastowe zazwyczaj zawierają jod, przez co krew wydaje się bielsza niż mięsień sercowy. Stosowanie środków kontrastowych nie zawsze jest pożądane. Niewydolność serca często wiąże się z niewydolnością nerek, a środki kontrastowe mogą być szkodliwe dla osób z upośledzoną funkcją nerek. U takich pacjentów często stosuje się obrazowanie metodą rezonansu magnetycznego (MRI). Jednak MRI jest znacznie droższe i bardziej czasochłonne niż TK, co tworzy wąskie gardła w szpitalach.
Alternatywą dla MRI i tomografii komputerowej serca z kontrastem jest opracowanie sztucznej inteligencji (AI), która może różnicować krew i tkankę serca na obrazach TK uzyskanych bez środków kontrastowych. W Topigs Norsvin naukowcy pracują nad podobnym wyzwaniem w ramach projektu „Z sercem dla świni”. Chociaż środki kontrastowe nie stanowią zagrożenia dla zdrowia świń, nie są one dopuszczone do stosowania w produkcji żywności.
Wspólnie z partnerami z Norweskiego Uniwersytetu Nauk Przyrodniczych (NMBU), firma zebrała obszerne dane z tomografii komputerowej serca świń, aby opracować nowe cechy istotne dla funkcji serca. Każda świnia została zeskanowana dwukrotnie: najpierw bez kontrastu, a następnie kilka sekund później z kontrastem. To podejście z podwójnym skanowaniem tworzy referencyjny zbiór danych, który odróżnia tkankę mięśniową od krwi, umożliwiając trenowanie modeli AI na obrazach tomografii komputerowej bez kontrastu.
Figure 2: CT image of the heart with (left) and without (right) contrast agent.
Inicjatywa Otwartych Danych
Te referencyjne zbiory danych są unikatowe i mają znaczący potencjał dla rozwoju diagnostyki obrazowej opartej na sztucznej inteligencji w medycynie człowieka. Dostrzegając ten szerszy wpływ, firma Topigs Norsvin postanowiła udostępnić je różnym społecznościom badawczym zajmującym się sztuczną inteligencją.
Do tej pory firma udostępniła te dane naukowcom z NTNU i Uniwersytetu Sorbona w Paryżu. Topigs Norsvin przygotowuje się obecnie do publicznego udostępnienia części zbioru danych naukowcom na całym świecie. Łącząc badania rolnicze z innowacjami medycznymi, inicjatywa ta pokazuje, jak dane z hodowli zwierząt gospodarskich mogą przyczynić się do rozwiązania kluczowych problemów w opiece zdrowotnej.