2024. 06. 11. - 08:30
Döbbenet: 6 különféle rák kimutatását segíti a mesterséges intelligencia-eszköz
Egy újonnan kifejlesztett mesterséges intelligencia eszköz hat különböző ráktípus kimutatására képes precízen a teljes testen alkalmazható PET/CT-vizsgálatokkal.
Megdöbbentő új mesterséges intelligencia eszközt dolgoztak ki a kutatók, amely képes arra, hogy 6 különböző ráktípust azonosítson, a teljes testet érintő PET/CT-vizsgálatok segítségével.
A kutatás eredményét a Nukleáris Medicina és Molekuláris Képalkotó Társaság 2024-es éves találkozóján mutatták be.
A daganatterhelés automatikus számszerűsítésével az új eszköz hasznos lehet a betegek kockázatának felmérésében, a kezelési válasz előrejelzésében és a túlélés becslésében is.
„A rák automatikus felismerése és jellemzése fontos klinikai szükséglet a korai kezelés lehetővé tételéhez - mondta Kevin H. Leung Ph.D., a Baltimore-i Johns Hopkins Egyetem Orvostudományi Karának munkatársa. - A legtöbb MI-modell, amely a rák kimutatását célozza, kicsi vagy közepes méretű adatkészletekre épül, s ezek általában egyetlen rosszindulatú daganatot és/vagy radioaktív nyomkövetőt foglalnak magukban. Mindez kritikus szűk keresztmetszetet jelent a jelenlegi képzési és értékelési paradigmában az MI-alkalmazások számára az orvosi képalkotásban és radiológiában.” Olvasd el: Valós időben figyeli a rákot a mesterséges intelligencia
Hat különféle rák kimutatását segíti a mesterséges intelligencia-eszköz
Mélytanulással könnyebb
A probléma megoldására a kutatók egy mély transzfer tanulási megközelítést – mely az MI egy fajtája - fejlesztettek ki a teljesen automatizált, teljes testre kiterjedő daganatszegmentáció és prognózis PET/CT-vizsgálatokhoz.
A vizsgálat során a szakemberek 611 tüdőrákkal, melanómával, limfómával, fej-nyaki daganattal, valamint emlőrákban szenvedő páciens FDG PET/CT-vizsgálatának adatait, valamint 408 prosztatarákos beteg PSMA PET/CT-vizsgálatának adatait elemezték.
A mesterséges intelligencia-megközelítés automatikusan kinyerte a radiomikus jellemzőket és a teljes test képalkotó méréseit az előre jelzett tumorszegmentációkból, hogy számszerűsítse a molekuláris tumorterhelést és az összes ráktípusra kiterjedő felvételt.
A kutatók kvantitatív jellemzőket és képalkotó méréseket használtak a prediktív modellek felépítéséhez, amelyek bemutatják a kockázati rétegződés prognosztikai értékét, a túlélés becslését és a rákos betegek kezelési válaszának előrejelzését.
„A rákprognózis elvégzése mellett a megközelítés olyan keretet biztosít, amely elősegíti a betegek állapot-kimenetelének és túlélésének javítását robusztus prediktív biomarkerek azonosításával, a daganatok altípusainak jellemzésével, valamint lehetővé teszi a rák korai felismerését és kezelését" - jegyezte meg Leung.
Hozzátette: a megközelítés segíthet az előrehaladott, végstádiumú betegségben szenvedő páciensek korai kezelésében is, azzal, hogy meghatározza a megfelelő kezelési rendet és előrejelzi a terápiákra, például a radiofarmakon terápiára adott válaszokat.
Nagy szerep juthat a jövőben az MI-eszközöknek
A jövőben az általánosítható, teljesen automatizált mesterséges intelligencia eszközök nagy szerepet fognak játszani a képalkotó központokban, mivel segítik az orvosokat a rákos betegek PET/CT-vizsgálatainak értelmezésében.
A mély tanulásos megközelítés fontos molekuláris felismerések felfedezéséhez is vezethet a mögöttes biológiai folyamatokról, amelyek jelenleg még kevéssé tanulmányozhatók nagy betegpopulációkban – jegyezte meg Leung.
B.A.
