Kutatók a Duke Egyetem Orvosi Központja kifejlesztettek egy mély tanuláson alapuló számítógépes detektálási (CAD) rendszert, amellyel MR-felvételeken azonosíthatók a nehezen kimutatható agyi áttétek. Az algoritmus kiváló érzékenységet és specifikusságot mutatott, felülmúlva a többi fejlesztés alatt álló CAD-rendszert. Az eszköz lehetőséget mutat arra, hogy lehetővé tegye a kialakuló agyi áttétek korábbi azonosítását, lehetővé téve azok célzott kezelését sztereotaxiás sugársebészettel (SRS) az első megjelenésükkor, és egyes betegek esetében csökkenti a szükséges kezelések számát.
Az SRS, amely precízen fókuszált fotonnyalábokat használ, hogy egyetlen sugárterápiás kezelés során nagy dózisú sugárzást juttatjon az agy célpontjaiba, a korlátozott számú agyi áttéttel rendelkező betegek standard ellátásává fejlődik. A metasztázis megcélzásához azonban először azonosítani kell egy MR-képen. Sajnos hozzávetőlegesen 10%-a nem, 30%-a a 3 mm-nél kisebb méretűeknél, még szakértő neuroradiológusok által is áttekintve.
Amikor ezeket a feltáratlan agyi metasztázisokat – amelyeket a kutatók retrospektíven azonosított metasztázisoknak (RIM) neveznek – a következő MRI-vizsgálatok során azonosítják, általában egy második SRS-kezelésre van szükség. Az ilyen kezelés költséges, kényelmetlen és invazív lehet, néha a fej immobilizálását igényli, a koponyához csapokkal rögzített kerettel.
A legutóbbi ASTRO éves találkozón Devon Godfrey kifejtette, hogy a kutatók a konvolúciós neurális hálózaton (CNN) alapuló CAD-rendszert kifejezetten a nehezen észlelhető RIM-ek és a nagyon kis prospektíven azonosított metasztázisok (PIM-ek) észlelésének és szegmentálásának javítására tervezték. Godfrey és munkatársai leírják ennek a rendszernek a tesztelését és érvényesítését a International Journal of Radiation Oncology Biology Physics.
A csapat a CAD eszközt 135, 563 agyi áttéttel rendelkező beteg MRI-adataira (kontrasztjavított elrontott gradiens visszhangszekvencia) képezte ki. A képeket 1.5 T és 3.0 T MRI szkennerek segítségével szereztük be különböző gyártóktól, több Duke Health helyszínről. Összességében az adathalmaz 491 PIM-et tartalmazott 6.7 mm-es medián átmérővel, és 72 RIM-et 32 betegtől, 2.7 mm-es medián átmérővel.
A RIM-ek azonosításához a kutatók átnézték az egyes betegek eredeti MR-képeit, hogy a kontrasztfokozás jeleit pontosan azon a helyen keressék, ahol később metasztázist észleltek. Az áttekintést követően az egyes RIM-eket úgy minősítették, mint amelyek vagy megfeleltek a képalkotáson alapuló diagnosztikai kritériumoknak (+DC), vagy nem rendelkeznek elegendő vizuális információval (-DC) ahhoz, hogy metasztázisként azonosítsák őket.
A kutatók véletlenszerűen öt csoportba osztották a RIM-ek és PIM-ek adatkészletét, amelyek közül négyet modell- és algoritmusfejlesztésre, egyet pedig tesztcsoportként használtak. "A +DC és -DC RIM-ek bevonása a legmagasabb érzékenységet eredményezte minden agyi áttétkategóriában és méretben, ugyanakkor a legalacsonyabb hamis pozitív arányt és a legmagasabb pozitív prediktív értéket adta vissza" - számolnak be. "Ez egyértelmű előnyt jelent, ha a CAD-képzési adatokhoz a kis, kihívást jelentő agyi metasztázisok túlsúlyozott mintavételét is bevonják."
A PIM-ek és +DC RIM-ek esetében – amelyek az MRI-n egyértelmű metasztázisokat mutatnak – a modell 93%-os általános érzékenységet ért el, amely a 100 mm-nél nagyobb átmérőjű elváltozások 6%-ától a 79 mm-nél kisebb elváltozások 3%-áig terjedt. A hamis pozitív válaszok aránya szintén lenyűgözően alacsony volt, személyenként 2.7-es átlaggal, míg más CAD-rendszerek esetében ez a szám 35 és XNUMX között van, amelyeknél a kis elváltozások észlelési érzékenysége hasonló.
A CAD rendszer képes volt néhány -DC RIM-re is, mind a fejlesztési, mind a tesztkészletben. Az agyi áttétek azonosítása ebben a legkorábbi stádiumban nagy klinikai előnyt jelentene, mivel az ilyen elváltozások képalkotó módszerekkel alaposabban nyomon követhetők, szükség esetén kezelést igényelve.
A Duke csapata most azon dolgozik, hogy több MR-szekvenciával javítsa a CAD-eszköz pontosságát. Godfrey elmagyarázza, hogy az agyi MRI-vizsgálatok szinte mindig több olyan MR-szekvenciát tartalmaznak, amelyek egyedi információt szolgáltatnak az agy minden voxeléről. "Úgy gondoljuk, hogy az ezekből a más sorozatokból elérhető további információk beépítése javítani fogja a pontosságát" - mondja.
Godfrey megjegyzi, hogy a kutatók már csak hetekre vannak attól, hogy elindítsák a meglévő CAD-rendszer szimulált prospektív klinikai felhasználási tanulmányát, hogy megvizsgálják, az eszköz hogyan befolyásolja a radiológusok és a sugár-onkológusok klinikai döntéshozatalát.
A mélyreható tanulás segít a radiológusoknak kimutatni a tüdőrákot a mellkas röntgenfelvételein
„Az SRS-t végző több szakértő neuroradiológus és neuro-radiációs onkológus agyi MR-vizsgálatot fog kapni. Arra kérik őket, hogy találjanak minden olyan elváltozást, amely agyi áttét lehet, értékeljék megbízhatósági szintjüket, és mondják el, hogy kezelnék-e az elváltozást SRS-sel a képeken látható megjelenése alapján” – mondja. Fizika Világa. "Ezután bemutatjuk nekik a CAD előrejelzéseit, és értékeljük a CAD hatását az egyes orvosok klinikai döntéseire."
Ha ez a szimulációs vizsgálat ígéretes eredményeket hoz, Godfrey arra számít, hogy a CAD-eszközt bevetik a kihívást jelentő agyi metasztázisok prospektív azonosítása érdekében a Duke Radiation Oncology klinikán egy kutatási protokoll szerint kezelt új betegeknél, talán már 2023 közepén.
