Periset di Pusat Medis Universitas Duke telah mengembangkan sistem deteksi berbantuan komputer (CAD) berbasis pembelajaran mendalam untuk mengidentifikasi metastasis otak yang sulit dideteksi pada citra MR. Algoritme menunjukkan sensitivitas dan spesifisitas yang sangat baik, mengungguli sistem CAD lainnya dalam pengembangan. Alat ini menunjukkan potensi untuk memungkinkan identifikasi lebih awal dari metastasis otak yang muncul, memungkinkan mereka untuk ditargetkan dengan radiosurgery stereotactic (SRS) saat pertama kali muncul dan, untuk beberapa pasien, mengurangi jumlah perawatan yang diperlukan.
SRS, yang menggunakan berkas foton yang terfokus dengan tepat untuk menghantarkan radiasi dosis tinggi ke target di otak dalam satu sesi radioterapi, berkembang menjadi pengobatan perawatan standar untuk pasien dengan metastasis otak dalam jumlah terbatas. Namun, untuk menargetkan metastasis, pertama-tama harus diidentifikasi pada gambar MR. Sayangnya, sekitar 10% tidak, 30% untuk yang berukuran kurang dari 3 mm, bahkan saat ditinjau oleh ahli neuroradiologis.
Ketika metastasis otak yang belum ditemukan ini – yang oleh para peneliti disebut sebagai metastasis yang diidentifikasi secara retrospektif (RIMs) – diidentifikasi pada pemindaian MRI berikutnya, perawatan SRS kedua biasanya diperlukan. Perawatan semacam itu mahal, dan bisa menjadi tidak nyaman dan invasif, terkadang membutuhkan imobilisasi kepala dengan bingkai yang diamankan ke tengkorak dengan pin.
Pada Pertemuan Tahunan ASTRO baru-baru ini, Devon Godfree menjelaskan bahwa para peneliti merancang sistem CAD berbasis jaringan saraf convolutional (CNN) khusus untuk meningkatkan deteksi dan segmentasi RIM yang sulit dideteksi dan metastasis yang diidentifikasi secara prospektif (PIM) yang sangat kecil. Godfrey dan rekan menjelaskan pengujian dan validasi sistem ini di Jurnal Internasional Radiasi Onkologi Biologi Fisika.
Tim melatih alat CAD pada data MRI (urutan gema gradien rusak yang ditingkatkan kontras) dari 135 pasien dengan 563 metastasis otak. Gambar diperoleh menggunakan pemindai MRI 1.5 T dan 3.0 T dari vendor berbeda di beberapa lokasi Duke Health. Secara total, kumpulan data termasuk 491 PIM dengan diameter rata-rata 6.7 mm, dan 72 RIM dari 32 pasien, dengan diameter rata-rata 2.7 mm.
Untuk mengidentifikasi RIM, para peneliti meninjau gambar MR asli setiap pasien untuk mencari tanda peningkatan kontras di lokasi yang tepat di mana metastasis kemudian terdeteksi. Setelah ditinjau, mereka mengklasifikasikan setiap RIM sebagai memenuhi kriteria diagnostik berbasis pencitraan (+DC) atau memiliki informasi visual yang tidak mencukupi (-DC) untuk diidentifikasi sebagai metastasis.
Para peneliti mengacak kumpulan data RIM dan PIM menjadi lima kelompok, menggunakan empat di antaranya untuk pengembangan model dan algoritme dan satu sebagai kelompok uji. “Dimasukkannya RIM +DC dan -DC menghasilkan sensitivitas tertinggi untuk setiap kategori dan ukuran metastasis otak, sekaligus mengembalikan tingkat positif palsu terendah dan nilai prediksi positif tertinggi,” lapor mereka. “Ini menunjukkan manfaat yang jelas dari memasukkan sampel metastasis otak kecil yang menantang ke dalam data pelatihan CAD.”
Untuk PIM dan +DC RIM – yang memiliki karakteristik metastasis yang jelas pada MRI – model mencapai sensitivitas keseluruhan sebesar 93%, mulai dari 100% untuk lesi yang berdiameter lebih dari 6 mm hingga 79% untuk yang lebih kecil dari 3 mm. Tingkat positif palsu juga sangat rendah, dengan rata-rata 2.7 per orang, dibandingkan dengan antara delapan dan 35 pada sistem CAD lainnya dengan sensitivitas deteksi yang sebanding untuk lesi kecil.
Sistem CAD juga dapat mendeteksi beberapa RIM -DC baik dalam set pengembangan maupun pengujian. Identifikasi metastasis otak pada tahap paling awal ini akan menjadi keuntungan klinis yang besar, karena lesi tersebut kemudian dapat dipantau secara lebih menyeluruh dengan pencitraan, yang mendorong pengobatan jika diperlukan.
Tim Duke sekarang bekerja untuk meningkatkan akurasi alat CAD dengan memanfaatkan beberapa rangkaian MR. Godfrey menjelaskan bahwa studi MRI otak hampir selalu menyertakan beberapa urutan MR yang menghasilkan informasi unik tentang setiap voxel di otak. “Kami percaya bahwa memasukkan informasi tambahan yang tersedia dari rangkaian lain ini akan meningkatkan akurasinya,” katanya.
Godfrey mencatat bahwa para peneliti tinggal beberapa minggu lagi untuk meluncurkan studi penggunaan klinis prospektif yang disimulasikan dari sistem CAD yang ada untuk menyelidiki bagaimana alat tersebut memengaruhi pengambilan keputusan klinis oleh ahli radiologi dan ahli onkologi radiasi.
Pembelajaran mendalam membantu ahli radiologi mendeteksi kanker paru-paru pada rontgen dada
“Beberapa ahli neuroradiologi dan ahli onkologi neuro-radiasi yang melakukan SRS akan diberikan pemindaian MR otak. Mereka akan diminta untuk menemukan lesi apa pun yang mungkin merupakan metastasis otak, menilai tingkat kepercayaan mereka, dan menyatakan apakah mereka akan merawat lesi tersebut dengan SRS, berdasarkan penampilannya dalam gambar, ”katanya. Dunia Fisika. “Kami kemudian akan menyajikan kepada mereka prediksi CAD dan mengevaluasi dampak CAD pada keputusan klinis setiap dokter.”
Jika studi simulasi ini menghasilkan hasil yang menjanjikan, Godfrey mengantisipasi penggunaan alat CAD untuk membantu mengidentifikasi metastasis otak yang menantang secara prospektif pada pasien baru yang dirawat di klinik Onkologi Radiasi Duke di bawah protokol penelitian, mungkin paling cepat pertengahan tahun 2023.
