No Bones About It: Deep Learning Speeds Diagnosis of Kids’ Growth Problems
Ask doctors and they’ll tell you: In children, there’s chronological age and there’s bone age. When the two don’t match, there’s a problem. Bones that mature too quickly or too slowly may impair a child’s growth.
Radiologists measure bone age, or skeletal maturity, by comparing x-rays of children’s hands to the standard for their age. Aspects of this technique haven’t changed in more than 75 years. GPU-accelerated deep learning is poised to change that.
Researchers at Massachusetts General Hospital’s new Clinical Data Science Center are testing an automated bone-age analyzer they’ve created. It speeds diagnosis of children’s growth problems and is nearly as accurate as human radiologists.
What Bone Age Says About Health
Set to begin clinical trials soon, the automated analyzer would assist radiologists rather than replace them, said Synho Do, an assistant professor at Harvard Medical School who leads the research team.
“Growth can be a general metric for a child’s health,” said Mark Michalski, director of Mass General’s data science center. (NVIDIA is a founding partner of the center.)
When a child’s growth is delayed or accelerated, the bone age test can tell doctors whether the cause is simply a family pattern or an indication of a chronic disease, endocrine disorder or genetic problem.
Bone Age Measurement Grows Up
But calculating bone age is a cumbersome, time-consuming process that requires radiologists to match digitized x-rays with images in a textbook published in the 1950s.
“You look at beautiful digital images with modern technology and you flip through this old book trying to find the page with the right image,” Michalski said.
Calculating children’s bone age now requires radiologists to match digitized x-rays with images in a 75-year-old textbook. Image courtesy of Massachusetts General Hospital.
For Do, the problem was ripe for deep learning. He and the research team trained the neural network on about 7,400 x-rays and radiologist reports from Mass General’s records. Do said he was able to reduce training time by using the cuDNN version of the Caffe deep learning framework and the NVIDIA DIGITS DevBox deep learning appliance, equipped with four TITAN X GPUs and DIGITS deep learning training software.
“Without GPUs, I wouldn’t have been able to get the performance I needed, and I wouldn’t have been able to develop such an accurate algorithm,” said Do, who is assistant medical director for advanced health technology, research and development for the Massachusetts General Hospital physicians’ group.
Do expects even better performance in the future. In early September, the Mass General center became one of the first research institutions to receive our powerful DGX-1 deep learning system, the world’s first AI supercomputer in a box.
Faster, More Accurate Diagnosis
If the hospital can put Do’s automated bone age analyzer into practice, parents could see test results sooner.
“Parents often have to wait a day or more for a test result,” Do said. “This algorithm can give results in seconds.”
Deep learning could also boost accuracy by eliminating differences among radiologists with different training and experience, Do said. His bone age AI would process x-rays and provide suggested matches. The radiologist would choose from among these, and the system would generate a report on the results. The algorithm is 99 percent accurate, with an average error rate of plus or minus one year of age.
“This is a small step that takes us toward a more effective healthcare practice for all patients,” Michalski said.
Do and his research team presented an abstract describing their work on kids’ growth problems at the Conference on Machine Intelligence in Medical Imaging in Alexandria, VA, and plan to submit a paper soon.
ನಮ್ಮ ದೇಹವನ್ನು ಸುಸ್ಥಿತಿಯಲ್ಲಿಡಲು ಅನೇಕ ಮಹತ್ತರ ಕಾರ್ಯಗಳನ್ನು ಮಾಡುವ ಅದ್ಭುತ ಹಾಗೂ ಸಂಕೀರ್ಣ ಅಂಗ ಮೂತ್ರಪಿಂಡ (ಕಿಡ್ನಿ). ರಕ್ತದಲ್ಲಿನ ತ್ಯಾಜ್ಯ, ವಿಷಕಾರಿ ಪದಾರ್ಥ ಹಾಗೂ ಹೆಚ್ಚುವರಿ ನೀರನ್ನು ಹೊರಹಾಕುವುದು ಇದರ ಪ್ರಮುಖ ಕಾರ್ಯ. ರಕ್ತದೊತ್ತಡ ನಿಯಂತ್ರಿಸಲು, ಕೆಂಪು ರಕ್ತಕಣಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಹಾಗೂ ಮೂಳೆಗಳನ್ನು ಆರೋಗ್ಯಕರವಾಗಿಡಲು ಕೂಡ ಮೂತ್ರಪಿಂಡ ನೆರವಾಗುತ್ತದೆ.ರಕ್ತದೊತ್ತಡ ಸದಾಕಾಲ ಸಮಪ್ರಮಾಣದಲ್ಲಿರುವಂತೆ ನಮ್ಮ ದೇಹದಲ್ಲಿನ ಉಪ್ಪು ಹಾಗೂ ನೀರನ್ನು ಬಹುಎಚ್ಚರಿಕೆಯಿಂದ ಮೂತ್ರಪಿಂಡವು ನಿಯಂತ್ರಿಸುತ್ತದೆ.
ದೇಹವನ್ನು ಸುಸ್ಥಿತಿಯಲ್ಲಿ, ಸಕ್ರಿಯವಾಗಿಟ್ಟುಕೊಳ್ಳಬೇಕು.
ಸಿಗುತ್ತಿಲ್ಲ ಚಿಕಿತ್ಸೆ: ನಾನಾ ಕಾರಣಗಳಿಂದ ಕಿಡ್ನಿ ವೈ ಫಲ್ಯಗೊಂಡ ರೋಗಗಳ ಸಂಖ್ಯೆ ರಾಜ್ಯದಲ್ಲಿ ದಿನೇ ದಿನೆ ಹೆಚ್ಚುತ್ತಿದೆ. ಈ ರೋಗಿಗಳ ಸಂಖ್ಯೆಗೆ ಅನುಗುಣವಾಗಿ ಡಯಾಲಿಸಿಸ್ ಕೇಂದ್ರಗಳಿಲ್ಲ. ಇರುವ ಬಹುತೇಕ ಘಟಕಗಳು ಖಾಸಗಿ ಸ್ವತ್ತಾಗಿವೆ. ಹಾಗಾಗಿ ಬಡ ರೋಗಿಗಳಿಗೆ ಚಿಕಿತ್ಸೆ ಬಲು ದೂರವಾಗಿದೆ.21 ಜಿಲ್ಲಾ, 9 ಮೆಡಿಕಲ್ ಕಾಲೇಜು ಆಸ್ಪತ್ರೆ ಹಾಗೂ 35 ತಾಲೂಕು ಆಸ್ಪತ್ರೆಗಳಲ್ಲಿ ಡಯಾಲಿಸಿಸ್ ಘಟಕಗಳಿವೆ. ಜಿಲ್ಲಾ ಆಸ್ಪತ್ರೆಯಲ್ಲಿರುವ ಡಯಾಲಿಸಿಸ್ ಘಟಕಗಳು ತಲಾ 10 ಹಾಸಿಗೆಗಳನ್ನು ಹೊಂದಿವೆ. ಆದರೆ, ತಾಲೂಕು ಆಸ್ಪತ್ರೆಗಳಲ್ಲಿ ಕನಿಷ್ಠ 2ರಿಂದ 4 ಹಾಸಿಗೆಗಳಿವೆ.
ನೋಂದಣಿಗೆ ಕಾಯಲೇಬೇಕು: ಕಡಿಮೆ ಡಯಾಲಿಸಿಸ್ ಘಟಕ ಹಾಗೂ ಹಾಸಿಗೆಯಿಂದಾಗಿ ಕಿಡ್ನಿ ವೈ ಫಲ್ಯಕ್ಕೆ ಒಳಗಾದ ರೋಗಿಗಳು ತಮ್ಮ ಹೆಸರನ್ನು ನೋಂದಣಿ ಮಾಡಿ ಚಿಕಿತ್ಸೆಗಾಗಿ ಕಾಯಬೇಕಾದ ಪರಿಸ್ಥಿತಿ ತಲೆದೋರಿದೆ.146 ತಾಲೂಕುಗಳಲ್ಲಿ ತಾಲೂಕು ಆಸ್ಪತ್ರೆಗಳಿದ್ದು, ಈ ಪೈಕಿ 35ನ್ನು ಹೊರತುಪಡಿಸಿದರೆ, ಉಳಿದ 111 ತಾಲೂಕುಗಳಲ್ಲಿ ಡಯಾಲಿಸಿಸ್ ಕೇಂದ್ರಗಳನ್ನು ತೆರೆಯಬೇಕಿದೆಪ್ರತಿನಿತ್ಯ ಬಹುತೇಕ 560-600 ರೋಗಿಗಳು ಸರ್ಕಾರಿ ಡಯಾಲಿಸಿಸ್ ಕೇಂದ್ರಗಳಿಗೆ ಭೇಟಿಕೊಡುತ್ತಾರೆ. ಮತ್ತೆ ಕೆಲವರು ಖಾಸಗಿಡಯಾಲಿಸಿಸ್ ಕೇಂದ್ರಗಳ ಮೊರೆ ಹೋಗುತ್ತಾರೆ. ದುಬಾರಿ ವೆಚ್ಚ ಭರಿಸದೆ ಅನೇಕ ರೋಗಿಗಳು ಚಿಕಿತ್ಸೆಯಿಂದ ದೂರವೇ ಉಳಿದಿದ್ದಾರೆ.
ಡಯಾಲಿಸಿಸ್‌ನ ಒಂದು ಹಾಸಿಗೆಗೆ ಸರ್ಕಾರ 10 ಲಕ್ಷ ರೂ. ವ್ಯಯಿಸಬೇಕಿದೆ. ಒಂದು ಬಾರಿಯ ಡಯಾಲಿಸಿಸ್‌ಗೆ ಕನಿಷ್ಠ 4 ಗಂಟೆ ಸಮಯ ಬೇಕಾಗುತ್ತದೆ. 10 ಯಂತ್ರಗಳನ್ನು ಒಳಗೊಂಡ ಡಯಾಲಿಸಿಸ್ ಕೇಂದ್ರಗಳಲ್ಲಿ ದಿನಕ್ಕೆ 25-30 ರೋಗಿಗಳನ್ನು ಮಾತ್ರ ಚಿಕಿತ್ಸೆಗೆ ಒಳಪಡಿಸಬಹುದು.