RSNA 2023 מציג בינה מלאכותית ברדיולוגיה - עולם הפיזיקה

RSNA 2023, המפגש השנתי של האגודה הרדיולוגית של צפון אמריקה (RSNA) מתקיים השבוע בשיקגו, ומציג התקדמות מחקר עדכנית ופיתוחי מוצרים בכל תחומי הרדיולוגיה. האירוע השנה כולל מאמרים רבים, פוסטרים, קורסים ותערוכות חינוך המתמקדות בבינה מלאכותית (AI) ויישומי למידת מכונה. להלן מבחר קטן מהמחקרים המוצגים.

איתור תכונות ADHD מסריקות MRI במוח

הפרעת קשב וריכוז (ADHD) היא מצב שכיח המשפיע על התנהגותו של אדם. ילדים עם הפרעות קשב וריכוז עלולים להתקשות בריכוז, בשליטה על התנהגויות אימפולסיביות או בוויסות פעילות. אבחון והתערבות מוקדמים הם המפתח, אך הפרעות קשב וריכוז קשה לאבחון ומסתמכות על סקרים סובייקטיביים שדווחו על עצמם.

כעת, צוות מחקר באוניברסיטת קליפורניה בסן פרנסיסקו (UCSF) השתמשה בבינה מלאכותית כדי לנתח סריקות מוח MRI של מתבגרים עם וללא ADHD, ומצאה הבדלים משמעותיים בתשע מערכות חומר לבן במוח אצל אנשים עם ADHD.

החוקרים השתמשו בנתוני הדמיית מוח מ-1704 אנשים בהתפתחות קוגניטיבית מוחית של מתבגרים (א ב ג ד) מחקר, כולל נושאים עם וללא הפרעת קשב וריכוז. מנתוני ההדמיה המשוקללת בדיפוזיה (DWI), הם חילצו מדידות אנזוטרופיה חלקית (FA), מדד של דיפוזיה של מים לאורך סיבי צינורות החומר הלבן, לאורך 30 מסלולים עיקריים במוח.

הם השתמשו בנתוני FA של 1371 אנשים כקלט כדי לאמן מודל AI למידה עמוקה, ובחנו את המודל על 333 מטופלים, כולל 193 שאובחנו עם ADHD ו-140 ללא. מודל הבינה המלאכותית מצא כי בחולים עם ADHD, ערכי ה-FA עלו באופן משמעותי בתשע מערכות חומר לבן.

"ההבדלים הללו בחתימות MRI אצל אנשים עם ADHD מעולם לא נראו בעבר ברמת פירוט כזו", אומר ג'סטין הוין, מ-UCSF וממכללת קארל אילינוי לרפואה באורבנה-שמפיין. "באופן כללי, החריגות הנראות בתשע צינורות החומר הלבן עולות בקנה אחד עם הסימפטומים של ADHD. שיטה זו מספקת צעד מבטיח למציאת סמנים ביולוגיים להדמיה שיכולים לשמש לאבחון הפרעת קשב וריכוז במסגרת אבחנתית כמותית ואובייקטיבית".

זיהוי אנשים שאינם מעשנים בסיכון גבוה לפתח סרטן ריאות

סרטן הריאות הוא הגורם השכיח ביותר למוות מסרטן ברחבי העולם. בארה"ב, בדיקת סרטן ריאות באמצעות CT במינון נמוך מומלצת למעשני סיגריות נוכחיים או לאחרונה, אך לא ל"לא מעשנים" - אלה שמעולם לא עישנו או עישנו מעט מאוד. עם זאת, בסביבות 10-20% ממקרי סרטן הריאות מתרחשים אצל אנשים שאינם מעשנים כאלה, ושיעורי הסרטן בקבוצה זו הולכים וגדלים. וללא גילוי מוקדם באמצעות בדיקות סקר, לעתים קרובות לא מעשנים סרטן ריאות מתקדם יותר מאלה שמעשנים.

במטרה לשפר מצב זה, צוות במרכז המחקר להדמיה קרדיווסקולרית (קרקס) ב-MGH ובבית הספר לרפואה בהרווארד בודקים אם מודל למידה עמוקה יכול לזהות אף פעם לא מעשנים בסיכון גבוה לסרטן ריאות, בהתבסס על צילומי רנטגן שגרתיים בחזה. "יתרון גדול לגישה שלנו הוא שהיא דורשת רק תמונת רנטגן בודדת של החזה, שהיא אחת הבדיקות הנפוצות ביותר ברפואה וזמינות באופן נרחב בתיעוד הרפואי האלקטרוני", אומר הכותב הראשי. אניקה וליה.

החוקרים פיתחו את מודל ה-CXR-Lung-Risk שלהם באמצעות 147,497 צילומי חזה של 40,643 מעשנים אסימפטומטיים ולעולם לא מעשנים מה- ניסוי בדיקת סרטן PLCO. הם אימתו את המודל בקבוצה נפרדת של אף פעם לא מעשנים שעברו צילומי חזה שגרתיים. מתוך 17,407 חולים במחקר, המודל סיווג 28% כסיכון גבוה. בשש שנות מעקב, 2.9% מכלל הקבוצה פיתחו סרטן ריאות. אלו בקבוצת הסיכון גבוה חרגו בהרבה את 1.3% סף הסיכון של שש שנים שבו מומלצת בדיקה.

הצוות מציין כי לאחר התאמה לגיל, מין, גזע וגורמים קליניים, לחולים בקבוצת הסיכון עדיין היה סיכון גבוה פי 2.1 לפתח סרטן ריאות מאשר אלו שנכללו בקבוצת הסיכון הנמוך.

ביטול הטיה גזעית בהערכת הסיכון לסרטן השד

חוקרים בבית החולים הכללי של מסצ'וסטס (MGH) פיתחו מודל למידה עמוקה המנבא במדויק הן קרצינומה דוקטלי באתרו (DCIS) והן קרצינומה של השד הפולשנית באמצעות סמנים ביולוגיים בלבד מתמונות ממוגרפיות. חשוב לציין, המודל החדש עבד באותה מידה עבור מטופלים ממספר גזעים.

מודלים מסורתיים להערכת סיכון לסרטן השד מציגים ביצועים גרועים על פני גזעים שונים, ככל הנראה בשל נתוני האוכלוסייה ששימשו ליצירת המודל. "כמה מהמודלים הנפוצים פותחו על אוכלוסיות קווקזיות בעיקר באירופה", מסביר המחבר הראשי לסלי טלה. אבל לפי האגודה האמריקנית לסרטן, לנשים שחורות יש את שיעור ההישרדות היחסי הנמוך ביותר ל-5 שנים בסרטן השד מבין כל הקבוצות הגזעיות והאתניות - מה שמדגיש את הצורך החיוני במודלים של סיכון ללא הטיה גזעית.

במחקר רב אתרים, Lamb ועמיתיו העריכו את ביצועי המודל בניבוי סרטן שד פולשני ו-DCIS, שהוא סרטן שד בשלב מוקדם, על פני מספר גזעים. הם כללו 129,340 ממוגרפיות סקר דו-צדדיות שגרתיות שבוצעו ב-71,479 נשים, עם נתוני מעקב של חמש שנים. קבוצת המחקר כללה נשים לבנות (106,839 בחינות), שחורות (6154 בחינות) ואסיאתיות (6435 בחינות), כמו גם כאלה שדיווחו על עצמם כגזעים אחרים (6257 בחינות) ואלה של גזע לא ידוע (3655 בחינות).

RSNA 2020: דגשים בינה מלאכותית מפגישה שנתית וירטואלית

המודל החדש עלה באופן עקבי על מודלים סיכון מסורתיים בניבוי הסיכון לפתח סרטן שד, והראה שיעור ניבוי של 0.71 הן עבור DCIS והן עבור סרטן פולשני בכל הגזעים. המודל השיג שטח מתחת לעקומת ROC (AUC) לחיזוי DCIS של 0.77 בחולים שאינם לבנים ו-0.71 בחולים לבנים, בעוד שלניבוי סרטן פולשני, ה-AUC היה 0.72 בחולים שאינם לבנים ו-0.71 בחולים לבנים. הצוות מציין כי מודלים סיכון מסורתיים הציגו AUCs של 0.59-0.62 עבור נשים לבנות, עם ביצועים נמוכים בהרבה עבור אלה של גזעים אחרים.

"המודל מסוגל לתרגם את המגוון המלא של סמני הדמיה עדינים בממוגרפיה, מעבר למה שעין בלתי מזוינת יכולה לראות, שיכולים לחזות את הסיכון העתידי של אישה ל-DCIS ולסרטן שד פולשני", אומר לאמב. "מודל הסיכון לתמונת למידה עמוקה בלבד יכול לספק גישה מוגברת להערכת סיכונים מדויקת יותר, הוגנת ויקרה פחות."

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
• מקור: https://physicsworld.com/a/rsna-2023-showcases-ai-in-radiology/