Un nouveau système automatisé calcule le volume métabolique de la tumeur dans le lymphome diffus à grandes cellules B

Un nouveau système automatisé calcule le volume métabolique de la tumeur dans le lymphome diffus à grandes cellules B

Des chercheurs du Sylvester Comprehensive Cancer Center de la Miller School of Medicine de l'Université de Miami ont développé une nouvelle méthode automatisée pour calculer le volume métabolique de la tumeur (MTV) dans le lymphome diffus à grandes cellules B (DLBCL). Ces résultats pourraient grandement faciliter les calculs de volume tumoral pour les études cliniques et potentiellement les soins aux patients. L'étude a été publiée dans Cancers.

« Le volume métabolique de la tumeur peut avoir un impact profond sur les résultats pour les patients, mais jusqu'à présent, il n'existait aucun moyen automatisé de le calculer », a déclaré Juan Pablo Alderuccio, MD, professeur agrégé de médecine à la Division d'hématologie et co-auteur de l'étude. "Nous avons désormais développé un système basé sur l'intelligence artificielle pour obtenir des volumes de tumeurs précis plus rapidement et avec moins d'intervention humaine."

Les patients atteints de lymphome présentant des volumes tumoraux plus importants ont tendance à avoir un pronostic plus difficile. En conséquence, les cliniciens voulaient stratifier les patients sur la base du MTV, mais cela s’est avéré assez difficile. Les logiciels existants ne sont que semi-automatisés, ce qui signifie que les radiologues doivent prêter une attention particulière aux résultats et souvent compléter les informations manquantes, ce qui peut prendre du temps.

Lorsque nous lisons un TEP, ce sont à la fois des lésions pathologiques et des structures normales qui s’illuminent. Les radiologues examinent ces images et font la distinction entre les lésions et les processus bénins. La plupart des logiciels ne peuvent pas faire la différence entre quelque chose de bénin ou ayant une activité physiologique normale et une tumeur.

Russ Kuker, MD, professeur agrégé de radiologie au Département de médecine nucléaire et premier auteur de l'étude

Des mesures plus rapides et de meilleure qualité

Anticorps de livres électroniques

Compilation des meilleurs interviews, articles et actualités de l'année dernière. Téléchargez une copie gratuite

Dans l’étude, les chercheurs ont testé une nouvelle approche basée sur l’apprentissage profond qui automatise entièrement les calculs MTV. Le Dr Kuker et ses collègues ont utilisé des méthodes traditionnelles semi-automatiques pour calculer le MTV chez 100 patients. Par ailleurs, le physicien médical et co-auteur Fei Yang, Ph.D., du Département de radio-oncologie, a examiné les mêmes analyses à l'aide des algorithmes d'apprentissage profond.

« Nous avons constaté que les résultats étaient fortement corrélés », a déclaré le Dr Alderuccio. "Mais plus important encore, au lieu de prendre jusqu'à 30 minutes pour trouver la réponse pour chaque analyse, l'approche d'apprentissage automatique a pris environ cinq minutes. En réduisant considérablement le temps de lecture, cela ouvre la porte à l'utilisation du MTV dans les essais cliniques, car vous pouvez l'utiliser sur un grand nombre de patients et obtenir les résultats immédiatement."

Ce projet était un effort multidisciplinaire soutenu par Craig Moskowitz, M.D., médecin-chef du Sylvester Comprehensive Cancer Center, et initié par Alan Pollack, M.D., Ph.D., président du département de radio-oncologie.

Le MTV pourrait être un outil précieux pour les essais cliniques afin de stratifier les patients par risque afin de mieux comprendre qui répond au traitement et pourquoi. De plus, cette technique pourrait être utilisée pour faire progresser les soins cliniques, même si elle nécessitera beaucoup plus de validation.

"Nous savons que les patients avec un MTV plus élevé ont des résultats pires", a déclaré le Dr Alderuccio. "Ces patients peuvent être plus susceptibles de recevoir des thérapies intensifiées ou expérimentales pour améliorer les résultats. Les patients présentant un faible volume de tumeur métabolique peuvent avoir de meilleurs résultats que les thérapies standard. Cette approche d'apprentissage automatique pourrait nous donner de meilleures opportunités de faire ces distinctions."

Source:

Centre complet de cancérologie Sylvester

Référence:

Kuker, RA et coll. (2022) Une méthode automatisée assistée par apprentissage en profondeur pour calculer le volume métabolique de la tumeur dans le lymphome diffus à grandes cellules B. Cancer. est ce que je.org/10.3390/cancers14215221.

.