COVID 19 Hastalarının Bilgisayarlı Tomografi İle İncelenmesi ve 3D Modelleme - Yapay Zeka İle Kazanımlar

Covid19, 2019 yılının son günlerinde Çin'in Vuhan şehrinde ortaya çıkan daha önce insanlarda tanımlanmamış yeni bir virüsün neden olduğu bulaşıcı bir hastalıktır. Virüs 2020 yılının ilk 3 ayı içerisinde tüm dünyaya yayıldı ve Dünya Sağlık Örgütü tarafından 11 Mart 2020 tarihinde 'pandemi' ilan edildi.

Çin Hükümeti tarafından yayınlanan son kılavuzlara göre, Covid 19 hastasının tespiti ve  hastaneye yatırmak için ana endikasyon, solunum yolu ya da kan örneklerinin reverse-transcription polymerase chain reaction(RT-PCR) veya gen sekansı ile doğrulanmasıdır. Fakat RT-PCR‘ın düşük sensitivitesi nedeniyle tedavi gecikebilmekte ve virüsün bulaşıcı olmasından dolayı çok sayıda insana enfekte riski bulunmaktadır. Şubat 2020 ‘de Çin ‘de 1014 hasta üzerinde yapılan araştırmalarda RT-PCR ile kıyaslandığında, göğüs tomografisinin özellikle epidemik bölgelerde daha güvenilir, pratik ve hızlı sonuçlar sağladığı tespit edilmiştir. Pnömoni teşhisi için rutin görüntüleme olan göğüs tomografisi, çekimi hızlı ve kolay olarak tanımlanmaktadır. 26 Şubat 2020 ‘de Tao Ai ve arkadaşlarının Çin ‘deki 1014 Covid-19 hasta vakalarını inceledikleri çalışmaya göre Covid-19 enfeksiyonu için tomografinin sensitivitesi %98 iken RT-PCR sensitivesi %71 olarak bulunmuştur.

Covid-19 yayılmaya devam ettikçe, şüpheli veya bilinen enfeksiyonu bulunan hastaların taranması, teşhisi ve tedavisi için göğüs radyografilerinin(CXR) ve bilgisayarlı tomografinin(BT) rolü ve uygunluğuna dair duyulan ilgi artmaktadır.

Amerikan Radyoloji Koleji(ACR)’nin önerilerine göre; Toraks BT tetkiki, spesifik klinik endikasyonlarda ve hastaneye yatırılmış semptomatik hastalarda kullanılmalıdır ve radyologlar,  Covid-19 enfeksiyonunun BT bulguları konusunda eğitimli olmalıdır.

Radyologlar, tomografi görüntüleri sayesinde lezyonların akciğer loblarındaki dağılımının daha net anlaşılmasının, virüsü tanıma ve tedavisi için yapılan araştırmalarda önemli olduğunu belirtmektedirler. Son 10 yılda 3 boyutlu tomografi görüntülerini işlememizi sağlayan özel yazılımlar, hastalıkların organlar üzerinde yaptığı tahribatı 3 boyutlu olarak görmemizi kolaylaştırmıştır. Yumuşak doku segmentasyonu adı verilen ve tomografi görüntülerinin üst üste konulması ile elde ettiğimiz bu dataları hazırlarken, doku yoğunluklarını refarans almaktayız.

Bilgisayarlı Tomografi(BT)‘de her bir vokselde (piksel ile kesit kalınlığı çarpılarak elde dilen dikdörtgen prizma) hesaplanan x ışını zayıflatma değerini standart bir değerle belirtmek amacıyla, İngiliz Fizikçi Hounsfield’in adıyla anılan Hounsfield skalası olarak adlandırılan bir referans sistemi kullanılmaktadır. Hounsfield skalasında X- ışını emilim değerleri  -1000 ve +1000 arasında 2000 birim içerisinde sınıflandırlmıştır. Bu skalaya göre suyun Hounsfield değeri sıfır, kemik gibi yoğun yapılar için 1000 ve hava için -1000 olarak kabul edilmiştir. Yağ dokusu için -60 ile -200 ve yağ dışındaki yumuşak dokular için 30 ile 100 arası değerler kullanılmaktadır.
 
Bilindiği üzere kemik, kıkırdak, kas ve organların yoğunluklarıfarklıdır, tomografi çekilirken hastaya gönderilen x ışınları bu dokulardan geçerken farklı şekilde emilir ve bu geçişler sistem tarafından grinin tonları şeklinde kaydedilir. Kullandığımız segmentasyon yazılımları bu ton farklılıklarına göre tomografiden alınan dicom formatındaki bu dataları işleyerek  ve her bir katmanı üst üste bindirerek 3 boyutlu data elde etmemizi sağlamaktadır.  Covid-19 hastalığının etkilediği akciğer loblarındaki lezyonlarda aynı mantıkla ayırt edilerek 3 boyutlu datalar elde edilmekte ve kullandığımız yazılımlarda  renklendirilebilmektedir.
 
Özellikle noktadan noktaya uzunluk ölçümleri, profil çizgisi, gri değer-yoğunluk, kalınlık ve hacim  ölçümleri ve kesit alımları  mühendisler tarafından yapılmaktadır. Bu işlemlerin daha hızlı yapılabilmesi ve operatör hatalarını azaltmak için akıllı görüntü işleme ve yapay zeka algoritmalarından faydalanılmalıdır. BT taramasının manuel olarak okunması 15 dakika kadar sürebilirken yapay zeka ile geliştirilen algoritma ile görüntü tanımlama süresi 10 sn kadar düşebilmektedir. (Değer kanser belirtileri için röntgen görüntüleri tanımlama süresinden alınmıştır.) Böylelikle  enfekte olan hacmin akciğer hacmine oranlarının hesaplanması, hastalığın oluşturduğu lezyonların akciğerde dağılımı, hastalığın seyrinin izlenmesi ve yaş, cinsiyet gibi farklı hastalardaki etkisi gibi parametreler daha etkin şekilde izlenebilecektir.

Üçgenleştirilmiş .STL veya .OBJ formatlı dosyalar aracılığı ile hızlı prototipleme(RP) cihazlarına ve VR/AR görüntüleme sistemlerine bilgi akışı sağlanabilmektedir. Böylelikle doktorların teşhis koyma ve tedavi planlamalarının daha etkin yapabilmelerini sağlayan elle tutulur 3D medikal modeller ve sanal/arttırılmış gerçeklik uygulamaları için data çıktısı verilebilmektedir. Diğer export formatları ASCII STL, Binary STL, DXF, VRML‘dir.