Dyskusja uzyskanych wyników

W przeprowadzonym wstępnym rozpoznaniu problemu (rozdział 4.3) wskazaliśmy, że możliwe jest takie opisanie tekstury obrazu (w sensie wartości liczbowych charakteryzujących ją współczynników), które umożliwia odróżnienie obszaru zdrowego od chorego. Wykazano jednocześnie, że nie jest to zadanie trywialne, zwracając uwagę na kilka istotnych problemów (także rozdział 4.4). Kolejna, bardziej już szczegółowa analiza dotycząca innego przykładowego obrazu, została przeprowadzona w rozdziale 4.5. Wskazano w nim szereg cech, które indywidualnie, bądź w kooperacji z innymi, są w stanie jednoznacznie oddzielić obszar zdrowy od chorego.

W rozdziale 6 przeprowadzone zostało „poszukiwanie globalne”, w którym poszczególne obrazy analizowane były w całości. Celem opisanego rozpoznania było sprawdzenie, na ile metoda p-CT jest w stanie określić czy badany pacjent ma raka, czy też nie, bez konieczności jednak wskazywania konkretnej lokalizacji nowotworu. Najlepiej dyskryminujące cechy przedstawione zostały w punkcie 6.4, natomiast w podrozdziale 6.5 znajdzie Czytelnik analizę otrzymanych rezultatów. Najważniejszym wnioskiem, jaki można wyciągnąć z przedstawionych tu wyników, jest potwierdzenie, że, istotnie, możliwe jest wskazanie takich parametrów obrazu p-CT stercza, które pozwalają na identyfikację pacjenta cierpiącego na PCa. Zbiór uczący był jednak zbyt mały, zwłaszcza jeżeli chodzi o liczbę pacjentów zdrowych, by można było podejść do otrzymanych rezultatów całkowicie bezkrytycznie.

Znacznie bogatszy zestaw danych uczących (liczący od kilkuset do ponad czterech tysięcy elementów), zawierający zarówno pokaźną liczbę obszarów zdrowych, jak i chorych, przedstawiono w kolejnych eksperymentach, które stanowiły kwintesencję podejmowanego w pracy problemu. Badania te, opisane w rozdziale 7, miały na celu wskazanie takiego algorytmu i takich cech opisujących badane obrazy, na podstawie których możliwe byłoby określenie nie tylko czy dany pacjent ma raka, ale wręcz konkretne wskazanie lokalizacji tego nowotworu. Otrzymane tutaj rezultaty, choć z pewnością nie rewelacyjne, a w niektórych eksperymentach wręcz słabe, można uznać za pewien postęp w stosunku do sytuacji, jaka miała miejsce przed podjęciem badań opisanych w niniejszej rozprawie. Ten optymistyczny wniosek można sformułować, ponieważ dla części doświadczeń osiągane wyniki były zadowalające, a zwłaszcza – jak wskażemy niżej – zdecydowanie lepsze od rezultatów osiąganych przez innych badaczy. Najlepszy wynik uzyskano tutaj dla analizy pojedynczych ROI wyznaczanych zgodnie z ideą „małego koła ratunkowego” (rozdział 7.1) dla obrazów przeskalowanych metodą najbliższego sąsiada i z wyrównanym histogramem, które to obrazy uwzględniały jednocześnie wszystkie cztery parametry perfuzji (BF, BV, MTT, PS). Skuteczność wspomnianego algorytmu została oszacowana na 86%.

Na skuteczność proponowanych metod analizy oraz na wiarygodność otrzymywanych rezultatów wpływa nie tylko konstrukcja samego algorytmu, ale też (na co autor nie miał już większego wpływu) jakość przedstawionych do analizy obrazów czy rzetelność i nieomylność opracowania wzorca. Oceniając przedstawione tu rezultaty pamiętać należy, że we wszelkiego rodzaju badaniach medycznych bardzo ważną rolę odgrywa wiedza i doświadcze-nie prowadzących diagnozę lekarzy. Dopiero po osiągnięciu pewnego etapu prób klinicznych (udokumentowana przez wiele niezależnych ośrodków przydatność opracowywanej metody),

Podsumowanie

możliwe staje się wypracowanie odpowiednich norm i procedur badania właściwych (najlepszych) dla stosowanej techniki i diagnozowanego narządu. W badaniach p-CT prostaty etap ten nie został jeszcze osiągnięty, a niniejsza dysertacja jest jedynie skromną próbą podsumowania dotychczasowych osiągnięć oraz wzbogacenia omawianej techniki o nowe algorytmy interpretacji wyników badania.

Brak wspomnianego doświadczenia diagnostów przełożył się na niską jakość części z otrzymanych do analizy obrazów, niekonsekwencję w stosowanych parametrach badania i przedstawiania map parametrycznych, a także na sygnalizowane niejednokrotnie trudności w dokładnej weryfikacji histopatologicznej wyników badania. Przedstawione w poszczegól-nych rozdziałach rezultaty były oczywiście weryfikowane w oparciu o najlepsze możliwe do uzyskania dane, jeszcze raz jednak pragniemy zwrócić uwagę, że nie są to dane tak dokładne, jakbyśmy sobie tego wszyscy życzyli.

Wspomniano już, że wpływ na osiągane rezultaty mogą mieć obrazy wejściowe, które na etapie diagnozy nie zawsze były jednakowo skalowane. To niedociągnięcie oczywiście autor poprawił, jednak wtórne skalowanie zawsze musi wiązać się z pewnymi stratami i obni-żeniem jakości danych. Również takie parametry jak AIF czy czas od podania kontrastu (rozdziały 3.4.2 i 4.1) mogą decydować o strukturze map parametrycznych, na co diagności nie zawsze zwracali uwagę. Problemem dla analizy całościowej (rozdział 6) była także niewielka próba kontrolna (tylko jeden pacjent zdrowy, wątpliwości w stosunku do pacjentów bez potwierdzonego raka). Tutaj jednak należy zwrócić uwagę, że niniejsza praca jest pierwszą, w której analizuje się obraz jakiegokolwiek pacjenta zdrowego. Badania zespołów Henderson [111], Ives [128] czy opublikowane prace Łuczyńskiej [175,176] dotyczyły wyłącznie pacjentów chorych. Prando i Wallace [235] mieli wprawdzie próbę kontrolną, składała się ona jednak wyłącznie z osób z grupy ryzyka, u których zachodziło podejrzenie PCa.

Niniejsza dysertacja jest jak się wydaje pierwszą pracą lokującą się w rozważanym obszarze. Przeprowadzona analiza piśmiennictwa wykazała, że nikt do tej pory nie podjął próby wykorzystania informatycznych technik przetwarzania obrazów i analizy tekstur w diagnostyce p-CT stercza, chociaż wniosek ten opatrzyć trzeba komentarzem, że wyciągnięto go na podstawie tych danych literaturowych do których autorowi udało się dotrzeć. Trudno zatem porównywać otrzymane tu rezultaty z podobnymi pracami innych autorów. Można natomiast pokusić się o porównanie otrzymanych wyników z opublikowany-mi badaniaopublikowany-mi p-CT prostaty (rozdział 3.4.1), które jednak nie odwoływały się do metod przetwarzania i rozpoznawania obrazów.

Zresztą nawet tu sensownych możliwości porównawczych nie ma wiele. Najdokład-niejszą analizę wyników przeprowadził zespół Prando, Wallace [235]. Podjęta w ich badaniach próba wskazania obszarów chorych była w 58% zgodna z rezultatami biopsji celowanej, a samo potwierdzenie obecności raka możliwe okazało się dla 22 spośród 25 przypadków ze zdiagnozowanym PCa (88%). Przypomnijmy – wyniki osiągane w niniejszej dysertacji to odpowiednio 86% i 100%.¹¹⁵ Pozostali autorzy prowadzili jedynie zgrubną analizę ograniczając się do wskazania chorego płatu stercza, bez określania dokładnej lokalizacji nowotworu, bądź też bazowali na bardzo małej liczbie pacjentów. Ponadto, jak wskazano w rozdziale 3.4.1, ich sposób interpretacji wyników nie zawsze był poprawny.