חוקרים ב המרכז רפואי של אוניברסיטת דיוק פיתחו מערכת זיהוי ממוחשב (CAD) מבוססת למידה עמוקה לזיהוי גרורות מוחיות קשות לזיהוי בתמונות MR. האלגוריתם הפגין רגישות וסגוליות מצוינות, והציג ביצועים טובים יותר ממערכות CAD אחרות בפיתוח. הכלי מראה פוטנציאל לאפשר זיהוי מוקדם יותר של גרורות מוחיות המתעוררות, מה שמאפשר להתמקד ברדיוכירורגיה סטריאוטקטית (SRS) כשהן מופיעות לראשונה, ועבור חלק מהמטופלים, להפחית את מספר הטיפולים הנדרשים.
SRS, המשתמשת בקרני פוטון ממוקדות במדויק כדי להעביר מינון גבוה של קרינה למטרות במוח במפגש קרינה בודד, מתפתחת לטיפול הסטנדרטי של טיפול בחולים עם מספר מוגבל של גרורות במוח. עם זאת, כדי למקד גרורה, יש לזהות אותה תחילה בתמונת MR. למרבה הצער, כ-10% אינם, 30% עבור אלה שגודלם פחות מ-3 מ"מ, אפילו כאשר הם נבדקים על ידי נויררדיולוגים מומחים.
כאשר גרורות מוח לא נתגלו אלה - שהחוקרים מכנים גרורות מזוהות בדיעבד (RIMs) - מזוהות בסריקות MRI עוקבות, בדרך כלל יש צורך בטיפול SRS שני. טיפול כזה הוא יקר, ויכול להיות לא נוח ופולשני, ולעיתים מצריך קיבוע ראש עם מסגרת מאובטחת לגולגולת באמצעות סיכות.
במפגש השנתי האחרון של ASTRO, דבון גודפרי הסבירו שהחוקרים תכננו את מערכת ה-CAD המבוססת על רשתות קונבולוציונית (CNN) במיוחד כדי לשפר את הזיהוי והפילוח של RIM שקשה לזהות וגרורות קטנות מאוד שזוהו באופן פרוספקטיבי (PIM). גודפרי ועמיתיו מתארים את הבדיקה והאימות של מערכת זו ב- כתב העת הבינלאומי של קרינה אונקולוגיה פיזיקה ביולוגיה.
הצוות אימן את כלי ה-CAD על נתוני MRI (רצף הד גרדיאנט מקולקל עם שיפור ניגודיות) מ-135 מטופלים עם 563 גרורות במוח. התמונות נרכשו באמצעות סורקי MRI 1.5 T ו-3.0 T מספקים שונים במספר מיקומים של Duke Health. בסך הכל, מערך הנתונים כלל 491 PIMs בקוטר חציוני של 6.7 מ"מ, ו-72 RIMs מ-32 חולים, בקוטר חציוני של 2.7 מ"מ.
כדי לזהות RIM, החוקרים סקרו את תמונות ה-MR המקוריות של כל מטופל כדי לחפש סימנים של שיפור ניגודיות במיקום המדויק שבו זוהתה גרורה מאוחר יותר. לאחר סקירה, הם סיווגו כל RIM כמי שעמד בקריטריונים אבחוניים מבוססי הדמיה (+DC) או כבעל מידע חזותי לא מספיק (-DC) כדי להיות מזוהה כגרורה.
החוקרים חילקו באקראי את מערך הנתונים של RIM ו-PIM לחמש קבוצות, תוך שימוש בארבע מהן לפיתוח מודלים ואלגוריתמים ואחת כקבוצת בדיקה. "ההכללה של RIM של +DC ו-DC הביאה לרגישויות הגבוהות ביותר עבור כל קטגוריה וגודל גרורות במוח, תוך החזרת השיעור הנמוך ביותר של חיובי כוזבים וערך הניבוי החיובי הגבוה ביותר", הם מדווחים. "זה מראה יתרון ברור של הכללת דגימה עם משקל עודף של גרורות קטנות מאתגרות במוח לנתוני אימון CAD."
עבור PIM ו-+DC RIMs - שיש להם מאפיינים ברורים של גרורות ב-MRI - המודל השיג רגישות כוללת של 93%, שנעה בין 100% עבור נגעים בקוטר של יותר מ-6 מ"מ ועד 79% עבור אלה שקטנים מ-3 מ"מ. גם השיעור חיובי כוזב היה נמוך באופן מרשים, עם ממוצע של 2.7 לאדם, בהשוואה בין שמונה ל-35 במערכות CAD אחרות עם רגישות זיהוי דומה לנגעים קטנים.
מערכת ה-CAD הצליחה גם לזהות חלק מה-DC RIM הן בסט הפיתוח והן בבדיקות. זיהוי של גרורות במוח בשלב מוקדם זה יהיה יתרון קליני גדול, שכן לאחר מכן ניתן יהיה לעקוב אחר נגעים כאלה בצורה יסודית יותר באמצעות הדמיה, ולעורר טיפול במידת הצורך.
צוות Duke עובד כעת לשיפור הדיוק של כלי ה-CAD על ידי שימוש במספר רצפי MR. גודפרי מסביר שמחקרי MRI במוח כוללים כמעט תמיד רצפי MR מרובים שמייצרים מידע ייחודי על כל ווקסל במוח. "אנו מאמינים ששילוב המידע הנוסף הזמין מרצפים אחרים אלה אמור לשפר את הדיוק שלו", הוא אומר.
גודפרי מציין כי החוקרים נמצאים במרחק של שבועות ספורים מהשקת מחקר מדומה לשימוש קליני פרוספקטיבי של מערכת ה-CAD הקיימת כדי לחקור כיצד הכלי משפיע על קבלת החלטות קליניות על ידי רדיולוגים ואונקולוגים קרינה כאחד.
למידה עמוקה עוזרת לרדיולוגים לזהות סרטן ריאות בצילומי חזה
"למספר נויררדיולוגים מומחים ואונקולוגים קרינה עצבית המבצעים SRS יוצגו סריקות MR מוחיות. הם יתבקשו למצוא כל נגע שעשוי להיות גרורה במוח, לדרג את רמת הביטחון שלהם שכן, ולציין אם הם יטפלו בנגע עם SRS, על סמך הופעתו בתמונות", הוא אומר. עולם הפיזיקה. "לאחר מכן נציג בפניהם את תחזיות ה-CAD ונעריך את ההשפעה של CAD על ההחלטות הקליניות של כל רופא."
אם מחקר סימולציה זה מניב תוצאות מבטיחות, גודפרי צופה לפרוס את כלי ה-CAD כדי לסייע בזיהוי גרורות מוחיות מאתגרות באופן פרוספקטיבי בחולים חדשים המטופלים במרפאת דיוק קרינה אונקולוגית לפי פרוטוקול מחקר, אולי כבר באמצע שנת 2023.
