Ερευνητές στο Το Duke University Medical Center έχουν αναπτύξει ένα σύστημα ανίχνευσης με τη βοήθεια υπολογιστή (CAD) που βασίζεται σε βαθιά μάθηση για τον εντοπισμό εγκεφαλικών μεταστάσεων που είναι δύσκολο να ανιχνευθούν σε εικόνες MR. Ο αλγόριθμος επέδειξε εξαιρετική ευαισθησία και ειδικότητα, ξεπερνώντας τα άλλα συστήματα CAD υπό ανάπτυξη. Το εργαλείο δείχνει τη δυνατότητα να επιτρέψει την έγκαιρη αναγνώριση των αναδυόμενων εγκεφαλικών μεταστάσεων, επιτρέποντάς τους να στοχεύσουν με στερεοτακτική ακτινοχειρουργική (SRS) όταν εμφανιστούν για πρώτη φορά και, για ορισμένους ασθενείς, να μειώσουν τον αριθμό των απαιτούμενων θεραπειών.
Το SRS, το οποίο χρησιμοποιεί επακριβώς εστιασμένες δέσμες φωτονίων για να παρέχει υψηλή δόση ακτινοβολίας σε στόχους στον εγκέφαλο σε μία μόνο συνεδρία ακτινοθεραπείας, εξελίσσεται στην τυπική θεραπεία για ασθενείς με περιορισμένο αριθμό εγκεφαλικών μεταστάσεων. Για να στοχεύσετε μια μετάσταση, ωστόσο, πρέπει πρώτα να αναγνωριστεί σε μια εικόνα MR. Δυστυχώς, περίπου το 10% δεν είναι, το 30% για όσους έχουν μέγεθος μικρότερο από 3 mm, ακόμη και όταν εξετάζονται από ειδικούς νευροακτινολόγους.
Όταν αυτές οι μη ανακαλυφθείσες εγκεφαλικές μεταστάσεις – τις οποίες οι ερευνητές αναφέρονται ως αναδρομικά αναγνωρισμένες μεταστάσεις (RIM) – ταυτοποιηθούν σε επακόλουθες μαγνητικές τομογραφίες, συνήθως απαιτείται μια δεύτερη θεραπεία SRS. Μια τέτοια θεραπεία είναι δαπανηρή και μπορεί να είναι άβολη και επεμβατική, μερικές φορές απαιτεί ακινητοποίηση της κεφαλής με ένα πλαίσιο που στερεώνεται στο κρανίο με καρφίτσες.
Στην πρόσφατη ετήσια συνάντηση της ASTRO, Ντέβον Γκόντφρεϊ εξήγησαν ότι οι ερευνητές σχεδίασαν το σύστημα CAD που βασίζεται στο συνελικτικό νευρωνικό δίκτυο (CNN) ειδικά για να βελτιώσει την ανίχνευση και την τμηματοποίηση των δύσκολα ανιχνεύσιμων RIM και των πολύ μικρών προοπτικά ταυτοποιημένων μεταστάσεων (PIMs). Ο Godfrey και οι συνεργάτες του περιγράφουν τη δοκιμή και την επικύρωση αυτού του συστήματος στο International Journal of Radiation Oncology Biology Physics.
Η ομάδα εκπαίδευσε το εργαλείο CAD σε δεδομένα μαγνητικής τομογραφίας (μια αλληλουχία αλλοιωμένης διαβάθμισης ηχούς με ενισχυμένη αντίθεση) από 135 ασθενείς με 563 εγκεφαλικές μεταστάσεις. Οι εικόνες ελήφθησαν χρησιμοποιώντας σαρωτές μαγνητικής τομογραφίας 1.5 T και 3.0 T από διαφορετικούς προμηθευτές σε πολλές τοποθεσίες Duke Health. Συνολικά, το σύνολο δεδομένων περιελάμβανε 491 PIM με διάμεση διάμετρο 6.7 mm και 72 RIM από 32 ασθενείς, με διάμεση διάμετρο 2.7 mm.
Για να αναγνωρίσουν τα RIM, οι ερευνητές εξέτασαν τις αρχικές εικόνες MR κάθε ασθενούς για να αναζητήσουν σημάδια ενίσχυσης της αντίθεσης στην ακριβή τοποθεσία όπου εντοπίστηκε αργότερα μια μετάσταση. Μετά από ανασκόπηση, ταξινόμησαν κάθε RIM ως είτε ότι πληρούσε διαγνωστικά κριτήρια βάσει απεικόνισης (+DC) είτε ως ανεπαρκείς οπτικές πληροφορίες (-DC) για να αναγνωριστεί ως μετάσταση.
Οι ερευνητές τυχαιοποίησαν το σύνολο δεδομένων των RIM και των PIM σε πέντε ομάδες, χρησιμοποιώντας τέσσερις από αυτές για την ανάπτυξη μοντέλων και αλγορίθμων και μία ως δοκιμαστική ομάδα. «Η συμπερίληψη τόσο των +DC όσο και των -DC RIM οδήγησε στις υψηλότερες ευαισθησίες για κάθε κατηγορία και μέγεθος εγκεφαλικής μετάστασης, ενώ επέστρεφε επίσης το χαμηλότερο ποσοστό ψευδώς θετικών και την υψηλότερη θετική προγνωστική τιμή», αναφέρουν. "Αυτό δείχνει ένα σαφές όφελος από τη συμπερίληψη μιας υπέρβαρης δειγματοληψίας μικρών προκλητικών εγκεφαλικών μεταστάσεων σε δεδομένα εκπαίδευσης CAD."
Για τα PIM και τα +DC RIM – τα οποία έχουν σαφή χαρακτηριστικά μεταστάσεων στη μαγνητική τομογραφία – το μοντέλο πέτυχε συνολική ευαισθησία 93%, που κυμαίνεται από 100% για βλάβες μεγαλύτερη από 6 mm σε διάμετρο έως 79% για εκείνες μικρότερες από 3 mm. Το ποσοστό ψευδώς θετικών ήταν επίσης εντυπωσιακά χαμηλό, με μέσο όρο 2.7 ανά άτομο, σε σύγκριση με 35 έως XNUMX σε άλλα συστήματα CAD με συγκρίσιμη ευαισθησία ανίχνευσης για μικρές βλάβες.
Το σύστημα CAD ήταν επίσης σε θέση να ανιχνεύσει μερικά από τα -DC RIM τόσο στο σετ ανάπτυξης όσο και στο σετ δοκιμής. Η αναγνώριση των εγκεφαλικών μεταστάσεων σε αυτό το πρώιμο στάδιο θα ήταν ένα μεγάλο κλινικό πλεονέκτημα, καθώς τέτοιες βλάβες θα μπορούσαν στη συνέχεια να παρακολουθούνται πιο διεξοδικά με απεικόνιση, οδηγώντας σε θεραπεία εάν απαιτείται.
Η ομάδα του Duke εργάζεται τώρα για να βελτιώσει την ακρίβεια του εργαλείου CAD χρησιμοποιώντας πολλαπλές ακολουθίες MR. Ο Godfrey εξηγεί ότι οι μελέτες MRI εγκεφάλου σχεδόν πάντα περιλαμβάνουν πολλαπλές αλληλουχίες MR που παράγουν μοναδικές πληροφορίες για κάθε voxel στον εγκέφαλο. «Πιστεύουμε ότι η ενσωμάτωση των πρόσθετων πληροφοριών που είναι διαθέσιμες από αυτές τις άλλες ακολουθίες θα πρέπει να βελτιώσει την ακρίβειά της», λέει.
Ο Godfrey σημειώνει ότι οι ερευνητές απέχουν μόλις εβδομάδες από την έναρξη μιας προσομοιωμένης προοπτικής κλινικής μελέτης χρήσης του υπάρχοντος συστήματος CAD για να διερευνήσουν πώς το εργαλείο επηρεάζει τη λήψη κλινικών αποφάσεων τόσο από ακτινολόγους όσο και από ογκολόγους ακτινοβολίας.
Η βαθιά μάθηση βοηθά τους ακτινολόγους να ανιχνεύσουν τον καρκίνο του πνεύμονα στις ακτινογραφίες θώρακα
«Πολλοί ειδικοί νευροακτινολόγοι και ογκολόγοι νευροακτινοβολίας που εκτελούν SRS θα υποβληθούν σε μαγνητική τομογραφία εγκεφάλου. Θα τους ζητηθεί να βρουν οποιαδήποτε βλάβη που μπορεί να είναι εγκεφαλική μετάσταση, να αξιολογήσουν το επίπεδο εμπιστοσύνης τους και να δηλώσουν εάν θα αντιμετώπιζαν την βλάβη με SRS, με βάση την εμφάνισή της στις εικόνες», λέει. Κόσμος Φυσικής. «Στη συνέχεια θα τους παρουσιάσουμε τις προβλέψεις CAD και θα αξιολογήσουμε τον αντίκτυπο της CAD στις κλινικές αποφάσεις κάθε γιατρού».
Εάν αυτή η μελέτη προσομοίωσης αποδώσει πολλά υποσχόμενα αποτελέσματα, ο Godfrey αναμένει να αναπτύξει το εργαλείο CAD για να βοηθήσει στον εντοπισμό προκλητικών εγκεφαλικών μεταστάσεων σε νέους ασθενείς που υποβάλλονται σε θεραπεία στην κλινική Duke Radiation Oncology στο πλαίσιο ενός ερευνητικού πρωτοκόλλου, ίσως μόλις στα μέσα του 2023.
