Tekoäly ennustaa lasten gliooman uusiutumisen useiden aivoskannausten avulla

Tekoäly ennustaa lasten gliooman uusiutumisen useiden aivoskannausten avulla

Tekoäly (AI) näyttää valtavan lupauksen analysoida suuria lääketieteellisiä kuvantamistietoja ja tunnistaa malleja, jotka ihmistarkkailijat saattavat jäädä huomaamatta. Tekoälyn avustama aivoskannausten tulkinta voi auttaa parantamaan lasten hoitoa, joilla on glioomiksi kutsuttuja aivokasvaimia, jotka ovat tyypillisesti hoidettavissa, mutta joiden uusiutumisriski vaihtelee. Kenraali Brighamin tutkijat sekä Bostonin lastensairaalan ja Dana-Farber/Bostonin lasten syöpä- ja verihäiriökeskuksen henkilökunta ovat kouluttaneet syväoppimisalgoritmeja käyttämään peräkkäistä aivoteknologiaa analysoimaan hoidon jälkeisiä aivoskannauksia, jotta voidaan ilmoittaa potilaista, joilla on syövän uusiutumisen riski. Tuloksesi julkaistaanNew England Journal of Medicine AI.

Monet lasten glioomit ovat parannettavissa pelkällä leikkauksella, mutta kun uusiutuminen tapahtuu, ne voivat olla tuhoisia. On erittäin vaikea ennustaa, kenellä voi olla uusiutuminen. Siksi potilaita seurataan usein magneettikuvauksella (MR) useiden vuosien ajan, mikä voi olla stressaavaa ja ahdistavaa lapsille ja perheille. Tarvitsemme parempia työkaluja tunnistaaksemme varhaisessa vaiheessa, millä potilailla on suurin uusiutumisen riski. "

Benjamin Kann, MD, vastaava kirjoittaja Mass General Brighamin tekoälyn (AIM) -ohjelmasta ja Brigham and Women's Hospitalin säteilyonkologian osastosta

Suhteellisen harvinaisia ​​sairauksia, kuten lasten syöpiä, koskevat tutkimukset voivat kyseenalaistaa rajallisilla tiedoilla. Tämä tutkimus, jota rahoitti osittain National Institutes of Health, raportoi institutionaalisista kumppanuuksista eri puolilla maata lähes 4 000 MR-kuvauksen keräämiseksi 715 lapsipotilaalta. Maksimoidakseen sen, mitä tekoäly voisi "oppia" potilaan aivoskannauksista ja ennustaa uusiutumista tarkemmin, tutkijat käyttivät tekniikkaa nimeltä temporaalinen oppiminen, joka kouluttaa mallin syntetisoimaan tuloksia useista aivoskannauksista, jotka on otettu muutaman kuukauden aikana leikkauksen jälkeen.

Tyypillisesti lääketieteellisen kuvantamisen AI-malleja koulutetaan tekemään johtopäätöksiä yksittäisistä skannauksista. Käyttämällä ajallista oppimista, jota ei ole aiemmin käytetty tekoälytutkimuksessa lääketieteellisessä kuvantamisessa, kuvat ajan mittaan antavat tietoa algoritmin ennusteesta syövän uusiutumisesta. Ajallisen oppimismallin kehittämiseksi tutkijat kouluttivat mallin ensin sekvensoimaan potilaan leikkauksen jälkeiset MR-kuvat kronologisessa järjestyksessä, jotta malli voi oppia havaitsemaan hienovaraisia ​​muutoksia. Sieltä tutkijat hienosääsivät mallia liittääkseen muutokset tarvittaessa oikein myöhempään syövän uusiutumiseen.

Lopulta tutkijat havaitsivat, että ajallinen oppimismalli oli ennustanut matala- tai korkea-asteisen gliooman uusiutumisen vuoden kuluttua hoidon jälkeen 75-89 prosentin tarkkuudella – huomattavasti paremmin kuin yksittäisiin kuviin perustuvien ennusteiden tarkkuus, joka oli noin 50 prosenttia (ei parempaa kuin sattuma). Kuvien antaminen tekoälylle lisäajankohdista hoidon jälkeen lisäsi mallin ennustetarkkuutta, mutta vain neljästä kuuteen kuvaa tarvittiin ennen kuin tämä parannustasanne otettiin käyttöön.

Tutkijat varoittavat, että lisävalidointia tarvitaan ennen kliinistä käyttöä. Lopulta he toivovat voivansa käynnistää kliinisiä tutkimuksia selvittääkseen, voivatko tekoälyyn perustuvat riskiennusteet parantaa hoitoa – joko vähentämällä pienimmän riskin potilaiden kuvantamistiheyttä tai hoitamalla ennaltaehkäisevästi korkean riskin potilaita kohdistetuilla adjuvanttihoidoilla.

"Olemme osoittaneet, että tekoäly pystyy analysoimaan ja tekemään olemassa olevia ennusteita useista kuvista, ei vain yksittäisistä skannauksista", sanoi ensimmäinen kirjoittaja Divyanshu Tak, MS, Mass General Brighamin AIM-ohjelmasta ja Brighamin säteilyonkologian osastosta. "Tätä tekniikkaa voidaan soveltaa monissa tilanteissa, joissa potilaat saavat sarjakuvausta, pitkittäiskuvausta, ja olemme innoissamme nähdessämme, mitä tämä projekti inspiroi."

Lähteet: