سیستم یادگیری عمیق متاستازهای مغزی را شناسایی می کند که به سختی قابل تشخیص هستند

محققان در مرکز پزشکی دانشگاه دوک یک سیستم تشخیص به کمک رایانه (CAD) مبتنی بر یادگیری عمیق را برای شناسایی متاستازهای مغزی دشوار در تصاویر MR ایجاد کرده اند. این الگوریتم حساسیت و ویژگی بسیار خوبی از خود نشان داد و از دیگر سیستم‌های CAD در حال توسعه بهتر عمل کرد. این ابزار پتانسیل را برای شناسایی زودهنگام متاستازهای نوظهور مغز نشان می دهد و به آنها اجازه می دهد در اولین ظاهر شدن با رادیوسرجری استریوتاکتیک (SRS) مورد هدف قرار گیرند و برای برخی از بیماران تعداد درمان های مورد نیاز را کاهش دهد.

SRS، که از پرتوهای فوتون متمرکز دقیق برای رساندن دوز بالایی از تابش به اهداف در مغز در یک جلسه رادیوتراپی استفاده می‌کند، در حال تبدیل شدن به درمان استاندارد مراقبت برای بیماران مبتلا به تعداد محدودی متاستاز مغزی است. با این حال، برای هدف قرار دادن متاستاز، ابتدا باید در تصویر MR شناسایی شود. متأسفانه، تقریباً 10٪ اینطور نیستند، 30٪ برای کسانی که اندازه آنها کمتر از 3 میلی متر است، حتی اگر توسط متخصصان نورو رادیولوژیست بررسی شوند.

هنگامی که این متاستازهای کشف نشده مغز - که محققان از آنها به عنوان متاستازهای شناسایی گذشته نگر (RIMs) یاد می کنند - در اسکن های MRI بعدی شناسایی می شوند، معمولاً یک درمان SRS دوم مورد نیاز است. چنین درمانی گران است، و می تواند ناراحت کننده و تهاجمی باشد، گاهی اوقات نیاز به بی حرکتی سر با یک قاب محکم شده روی جمجمه توسط پین دارد.

در نشست سالانه اخیر ASTRO، دوون گادفری توضیح داد که محققان سیستم CAD مبتنی بر شبکه عصبی کانولوشن (CNN) را به طور خاص برای بهبود تشخیص و تقسیم‌بندی RIM‌های سخت‌شناس و متاستازهای بسیار کوچک شناسایی‌شده آینده نگر (PIM) طراحی کردند. گادفری و همکارانش آزمایش و اعتبار سنجی این سیستم را در مجله بین المللی Radiation Oncology Biology Physics.

این تیم ابزار CAD را بر روی داده های MRI (یک توالی اکو گرادیان خراب شده با کنتراست) از 135 بیمار با 563 متاستاز مغزی آموزش دادند. این تصاویر با استفاده از اسکنرهای MRI 1.5 T و 3.0 T از فروشندگان مختلف در چندین مکان Duke Health به دست آمد. در مجموع، مجموعه داده ها شامل 491 PIM با قطر میانه 6.7 میلی متر و 72 RIM از 32 بیمار، با قطر متوسط ​​2.7 میلی متر بود.

برای شناسایی RIMها، محققان تصاویر MR اصلی هر بیمار را بررسی کردند تا نشانه‌های افزایش کنتراست را در محل دقیقی که بعداً متاستاز تشخیص داده شد، جستجو کنند. پس از بررسی، آنها هر RIM را به عنوان دارای معیارهای تشخیصی مبتنی بر تصویربرداری (+DC) یا دارای اطلاعات بصری کافی (-DC) برای شناسایی به عنوان متاستاز طبقه‌بندی کردند.

محققان مجموعه داده های RIM و PIM را به طور تصادفی به پنج گروه تقسیم کردند که از چهار مورد برای توسعه مدل و الگوریتم و یکی به عنوان گروه آزمایش استفاده کردند. آنها گزارش می دهند: "شامل RIM +DC و -DC منجر به بالاترین حساسیت برای هر دسته و اندازه متاستاز مغزی شد، در حالی که کمترین میزان مثبت کاذب و بالاترین ارزش اخباری مثبت را نیز به همراه داشت." این یک مزیت واضح از شامل نمونه برداری اضافه وزن از متاستازهای کوچک چالش برانگیز مغز به داده های آموزشی CAD را نشان می دهد.

برای PIM و +DC RIM - که دارای ویژگی‌های واضح متاستاز در MRI هستند - این مدل به حساسیت کلی 93% دست یافت که از 100% برای ضایعات بزرگتر از 6 میلی متر قطر تا 79% برای ضایعات کوچکتر از 3 میلی متر متغیر است. نرخ مثبت کاذب نیز بسیار کم بود، با میانگین 2.7 در هر فرد، در مقایسه با بین 35 تا XNUMX در سایر سیستم های CAD با حساسیت تشخیص قابل مقایسه برای ضایعات کوچک.

سیستم CAD همچنین قادر به شناسایی برخی از RIMهای -DC در هر دو مجموعه توسعه و آزمایش بود. شناسایی متاستازهای مغزی در این مرحله اولیه یک مزیت بالینی بزرگ خواهد بود، زیرا چنین ضایعاتی را می توان با تصویربرداری به طور کامل تری تحت نظر گرفت و در صورت نیاز درمان را آغاز کرد.

تیم Duke اکنون در حال کار برای بهبود دقت ابزار CAD با استفاده از چندین توالی MR است. گادفری توضیح می‌دهد که مطالعات MRI مغز تقریباً همیشه شامل چندین توالی MR است که اطلاعات منحصر به فردی را در مورد هر وکسل در مغز تولید می‌کند. او می گوید: "ما معتقدیم که ترکیب اطلاعات اضافی موجود از این توالی های دیگر باید دقت آن را بهبود بخشد."

گادفری خاطرنشان می‌کند که محققان تنها چند هفته با راه‌اندازی یک مطالعه استفاده بالینی آینده‌نگر شبیه‌سازی شده سیستم CAD موجود فاصله دارند تا بررسی کنند که چگونه این ابزار بر تصمیم‌گیری بالینی توسط رادیولوژیست‌ها و انکولوژیست‌های تشعشع تاثیر می‌گذارد.

چندین متخصص نورو رادیولوژیست و انکولوژیست پرتو عصبی که SRS را انجام می دهند با اسکن MR مغز ارائه خواهند شد. از آنها خواسته می شود تا هر ضایعه ای را که ممکن است متاستاز مغزی باشد، بیابند، سطح اطمینان خود را که وجود دارد ارزیابی کنند و بر اساس ظاهر آن در تصاویر بیان کنند که آیا ضایعه را با SRS درمان می کنند یا خیر. دنیای فیزیک. سپس پیش‌بینی‌های CAD را به آن‌ها ارائه می‌کنیم و تأثیر CAD را بر تصمیمات بالینی هر پزشک ارزیابی می‌کنیم.»

اگر این مطالعه شبیه‌سازی نتایج امیدوارکننده‌ای داشته باشد، گادفری پیش‌بینی می‌کند که ابزار CAD را برای کمک به شناسایی متاستازهای چالش‌برانگیز مغزی به‌طور آینده نگر در بیماران جدید تحت درمان در کلینیک انکولوژی تشعشع دوک تحت یک پروتکل تحقیقاتی، احتمالاً در اواسط سال 2023، به کار گیرد.