Radioterapia z pomocą algorytmu. AI poprawia dokładność leczenia raka płuc

Zespół naukowców z Northwestern University opracował narzędzie oparte na sztucznej inteligencji, które może znacząco poprawić skuteczność radioterapii raka płuca. System o nazwie iSeg potrafi automatycznie i precyzyjnie lokalizować guzy na obrazach tomografii komputerowej, nawet uwzględniając ruch oddechowy pacjenta. Technologia może nie tylko przyspieszyć planowanie leczenia, ale też pomóc uniknąć błędów, które prowadzą do gorszych wyników terapii.

Skuteczna radioterapia wymaga milimetrowej precyzji. Onkolodzy muszą najpierw dokładnie zlokalizować guz i narysować jego granice na obrazach z tomografii komputerowej — ten proces nazywa się segmentacją. To żmudna i nieco subiektywna praca, która różni się w zależności od lekarza i może skutkować pominięciem niektórych części guza.

Nowe narzędzie o nazwie iSeg, stworzone przez badaczy z Northwestern Medicine, opiera się na technologii głębokiego uczenia i analizuje trójwymiarowe skany CT w czasie rzeczywistym — uwzględniając nawet ruch guza związany z oddychaniem.

Celem technologii jest wsparcie lekarzy w podejmowaniu lepszych decyzji terapeutycznych, szczególnie tam, gdzie liczy się czas i dostęp do doświadczonych specjalistów.

Aby stworzyć iSeg, zespół przetrenował algorytm na setkach przypadków pacjentów z rakiem płuca, leczonych w dziewięciu ośrodkach, m.in. w Northwestern Medicine i Cleveland Clinic. Na podstawie ręcznie wykonanych przez lekarzy obrysów guzów, AI nauczyła się rozpoznawać ich granice na obrazach CT.

Następnie system został przetestowany na nowych danych – skanach pacjentów, których wcześniej nie znał. Wyniki? iSeg poradził sobie tak samo dobrze jak eksperci, a w wielu przypadkach zauważył obszary, które ludzkie oko mogło przeoczyć.

Co więcej, pominięte przez lekarzy fragmenty okazały się powiązane z gorszymi wynikami leczenia, jeśli nie były objęte radioterapią.

Pierwszy autor badania, Sagnik Sarkar, dodaje:

Zespół testuje obecnie iSeg w warunkach klinicznych, porównując wyniki działania AI z pracą lekarzy w czasie rzeczywistym. Planują też rozszerzenie działania algorytmu na inne nowotwory — m.in. wątroby, mózgu i prostaty — oraz na inne metody obrazowania, jak MRI i PET.

iSeg może odegrać kluczową rolę szczególnie w szpitalach, które nie mają dostępu do wysoko wyspecjalizowanych zespołów onkologicznych. Dzięki ustandaryzowanemu, automatycznemu segmentowaniu guzów radioterapia może być szybciej planowana i skuteczniej prowadzona — niezależnie od miejsca.

Jak podkreślają autorzy badania, to jeszcze nie koniec prac. Ale kierunek jest jasny: większa precyzja, szybsze decyzje i mniej pomyłek – z korzyścią dla pacjentów onkologicznych na całym świecie.

Źródło: medicalxpress.com