Elic

Esta iniciativa é a Early Lung Imaging Confederation (ELIC) e é uma aliança internacional de indivíduos e instituições colaboradoras que compartilham a visão de desenvolver um banco de dados de imagens de câncer de pulmão e ambiente de análise computacional distribuído globalmente e com privacidade garantida. O ELIC foi projetado para permitir a análise e o estudo de coleções extremamente grandes de imagens de câncer de pulmão de TC, internacionalmente montadas e com controle de qualidade, e dados biomédicos associados. Um objetivo fundamental do ELIC é apoiar o desenvolvimento de métodos de aprendizagem profunda ou abordagens de inteligência artificial para detectar câncer de pulmão precoce e outras doenças usando imagens de TC torácicas, caracterizar pequenos nódulos pulmonares e estruturas circundantes e medir a capacidade de resposta a intervenções terapêuticas. 

A infraestrutura ELIC está sendo desenvolvida usando um modelo Hub and Spoke e aproveitando os recursos de computação em nuvem e permitirá que grupos de pesquisa clínica (Spokes) disponibilizem com segurança suas coleções de imagens de câncer de pulmão não identificadas e armazenadas localmente para análise computacional por outros grupos de pesquisa (Clientes ), tudo coordenado por um servidor gerenciado ELIC central (Hub). 

Este projeto de prova de conceito inicial demonstrou o potencial do ELIC Hub and Spoke Environment (H&SE) para fornecer um recurso útil para estudos de imagem pulmonar quantitativa global. Para esta fase inicial, recursos globais de computação em nuvem preenchidos com mais de 100 conjuntos de dados de imagens de rastreamento de câncer de pulmão CT disponíveis publicamente e não identificados foram usados. Um site de hub central distribuiu simultaneamente duas solicitações de algoritmo de medição quantitativa de pulmão de código aberto para 10 sites de raio virtual distribuídos globalmente que continham uma cópia dos conjuntos de dados de imagens de rastreamento de câncer de pulmão por TC disponíveis ao público.

A infraestrutura de H&SE do ELIC está passando por um desenvolvimento adicional para ser transformada de um piloto de prova de conceito em um banco de dados funcional distribuído globalmente e um ambiente computacional capaz de realizar estudos quantitativos úteis de imagens de câncer de pulmão. Referências a ferramentas e recursos para realizar a desidentificação de dados estão sendo adicionadas para apoiar grupos de pesquisa que farão o upload de conjuntos de dados de imagens pulmonares e metadados no ELIC H&SE. Foi criado um manual técnico que fornece aos investigadores do Spam especificações técnicas e métodos para enviar imagens e metadados, bem como orientações sobre como os clientes podem participar do ELIC H&SE. Um documento separado fornece orientação sobre o processo de instalação e uso do Clinical Trial Processor (CTP), uma ferramenta de desidentificação DICOM de código aberto. Os raios iniciais, seis já identificados, irão 1) identificar as imagens e dados necessários; 100 casos com 2 imagens por caso (25 com câncer, 25 sem câncer, sem nódulos e 50 com nódulos, mas nenhum câncer detectado), extraia as imagens e dados de seu banco de dados atual, desidentifique os dados e formate-os para upload de raio , carregue os dados nos raios e monitore o raio. Depois que os sites carregarem seus 100 casos iniciais de imagens e dados, vários algoritmos de análise pulmonar quantitativa, do Accumetra / ELIC ou das instituições contribuintes, serão executados nos conjuntos de dados distribuídos globalmente dentro dos spokes.

A IASLC agradece a participação de sites e pesquisadores em todo o mundo que estão contribuindo com seu tempo e seus dados para o avanço deste projeto.

O IASLC gostaria de agradecer à AstraZeneca por seu apoio à Fase II. 

A Fase 3 aumentará o ELIC H&SE e expandirá o número de raios por um fator de 2 ou 3 e aumentará o número de imagens por um fator de 100 ou 1000. Aprendizado profundo e abordagens de inteligência artificial serão aplicadas ao grande conjunto de dados para melhorar a precisão da determinação de malignidade de nódulos pulmonares, determinar outros biomarcadores de imagem, melhorar o fluxo de trabalho dos radiologistas e criar melhores critérios de risco para definir quem deve ser rastreado no futuro.