A Journal of Clinical Medicine folyóirat 2024. februári számában jelent meg egy tanulmány, amelyet Báskay János első szerzőként jegyez. Munkatársaink, dr. Szócska Miklós és dr. Pollner Péter is részt vettek a Nemzeti Labor Adatvezérelt Egészség Divízió tudományos publikációjának elkészítésében. A szerzők célja az volt, hogy háromdimenziós szövettani rekonstrukciót hozzanak létre a szövetek mesterséges intelligencia által támogatott osztályozásán és a sorozatos metszetek egymáshoz igazításán keresztül. A másodlagos célul pedig annak értékelését tűzték ki, hogy az új szövettani rekonstrukciós technika pontosan lemásolja-e a csont mikroarchitektúráját.
Az utóbbi években a mesterséges intelligencia (AI) egyre nagyobb szerepet kapott a patológiai és orvosi képalkotások elemzésében. Az AI-t sikerrel alkalmazták különböző fogászati diagnosztikai eljárásokban, például a fogszuvasodás felismerésében, a fogászati ciszta detektálásában, az állkapocs- és fogszerkezetek szegmentálásában, valamint az implantátumok típusának azonosításában.
Az AI segítségével a nagyméretű adatállományokban a szövetek gyorsan és megbízhatóan elkülöníthetők. Így már a beültetés előtt meg lehet határozni a csontminőséget. Ez alapvetően befolyásol számos olyan döntést az implantátummal kapcsolatban, amely hozzájárul az implantáció sikeréhez.
A tanulmányban ismertetett újszerű módszer olyan eszközt ad a kutatóknak a szövettani metszetek háromdimenziós rekonstrukciójára, amely lehetővé teszi a háromdimenziós csont-mikroarchitektúra és a szövettani információk egyidejű pontos értékelését.
A teljes cikk elérhető ezen a linken: Are artificial intelligence-assisted three-dimensional histological reconstructions reliable for the assessment of trabecular microarchitecture?
A kutatást részben az Innovációs és Technológiai Minisztérium Tématerületi Kiválósági Programja (Tématerületi Kiválósági Program, 2020-4.1.1.-TKP2020) finanszírozta, a Semmelweis Egyetem Digitális Biomarker tematikus programjának, valamint az Egészségbiztonság Nemzeti Laboratórium Adatvezérelt Egészség Dívizió (RRF-2.3.1-21-2022-00006) és az OTKA K128780 keretében.