Nový automatizovaný systém vypočítava objem metabolického nádoru v difúznom veľkom B-bunkovom lymfóme

Nový automatizovaný systém vypočítava objem metabolického nádoru v difúznom veľkom B-bunkovom lymfóme

Výskumníci zo Sylvester Comprehensive Cancer Center na University of Miami Miller School of Medicine vyvinuli novú, automatizovanú metódu na výpočet objemu metabolického nádoru (MTV) pri difúznom veľkom B-bunkovom lymfóme (DLBCL). Tieto výsledky by mohli výrazne uľahčiť výpočty objemu nádoru pre klinické štúdie a potenciálne starostlivosť o pacienta. Štúdia bola publikovaná v Cancers.

"Objem metabolizmu nádoru môže mať hlboký vplyv na výsledky pacientov, ale doteraz neexistoval automatizovaný spôsob, ako ho vypočítať," povedal Juan Pablo Alderuccio, MD, docent medicíny na oddelení hematológie a spoluautor štúdie. "Teraz sme vyvinuli systém založený na umelej inteligencii na získanie presných objemov nádorov rýchlejšie a s menším zásahom človeka."

Pacienti s lymfómom s väčším objemom nádoru majú zvyčajne ťažšiu prognózu. V dôsledku toho chceli lekári stratifikovať pacientov na základe MTV, ale bolo to dosť ťažké. Existujúci softvér je len čiastočne automatizovaný, čo znamená, že rádiológovia musia venovať veľkú pozornosť výsledkom a často dopĺňať chýbajúce informácie, čo môže byť časovo náročný proces.

Keď čítame PET sken, sú tam patologické lézie aj normálne štruktúry, ktoré sa rozsvietia. Rádiológovia prezerajú tieto obrázky a rozlišujú medzi léziami a benígnymi procesmi. Väčšina softvérových programov nedokáže rozlíšiť medzi niečím, čo je benígne alebo má normálnu fyziologickú aktivitu, a nádorom.“

Russ Kuker, MD, docent rádiológie na oddelení nukleárnej medicíny a prvý autor štúdie

Rýchlejšie a lepšie metriky

E-Book Protilátky

Kompilácia top rozhovorov, článkov a noviniek za posledný rok. Stiahnite si bezplatnú kópiu

V štúdii výskumníci testovali nový prístup založený na hlbokom učení, ktorý plne automatizuje výpočty MTV. Dr. Kuker a kolegovia použili tradičné, poloautomatické metódy na výpočet MTV u 100 pacientov. Samostatne, lekársky fyzik a spoluautor Fei Yang, Ph.D., na oddelení radiačnej onkológie preskúmal rovnaké skeny pomocou algoritmov hlbokého učenia.

"Zistili sme, že výsledky boli vysoko korelované," povedal Dr. Alderuccio. "Ale čo je dôležitejšie, namiesto 30 minút na nájdenie odpovede na každý sken, prístup strojového učenia trval asi päť minút. Výrazným skrátením času čítania to otvára dvere použitiu MTV v klinických štúdiách, pretože ho môžete použiť na veľkom počte pacientov a výsledky máte okamžite."

Tento projekt bol multidisciplinárnym úsilím podporovaným Craigom Moskowitzom, M.D., hlavným lekárom Sylvester Comprehensive Cancer Center, a iniciovaným Alanom Pollackom, M.D., Ph.D., predsedom Oddelenia radiačnej onkológie.

MTV by mohla byť cenným nástrojom pre klinické štúdie na stratifikáciu pacientov podľa rizika, aby bolo možné lepšie pochopiť, kto a prečo reaguje na liečbu. Okrem toho by sa táto technika mohla použiť na pokrok v klinickej starostlivosti, aj keď si bude vyžadovať podstatne viac validácie.

"Vieme, že pacienti s vyššou MTV sú na tom horšie," povedal Dr. Alderuccio. "U týchto pacientov je pravdepodobnejšie, že dostanú intenzívnejšie alebo experimentálne terapie na zlepšenie výsledkov. Pacienti s nízkym objemom metabolického nádoru môžu mať lepšie výsledky ako štandardné terapie. Tento prístup strojového učenia by nám mohol poskytnúť lepšie príležitosti na tieto rozdiely."

Zdroj:

Komplexné onkologické centrum Sylvester

Referencia:

Kuker, RA, a kol. (2022) Automatická metóda s pomocou hlbokého učenia na výpočet objemu metabolického nádoru v difúznom veľkom B-bunkovom lymfóme. Rakovina. doi.org/10.3390/cancers14215221.

.