Cercetători la Duke University Medical Center au dezvoltat un sistem de detecție asistată de computer (CAD) bazat pe învățare profundă pentru a identifica metastazele cerebrale dificil de detectat pe imaginile RM. Algoritmul a prezentat o sensibilitate și o specificitate excelente, depășind alte sisteme CAD în dezvoltare. Instrumentul arată potențialul de a permite identificarea mai devreme a metastazelor cerebrale emergente, permițându-le să fie vizate cu radiochirurgie stereotactică (SRS) atunci când apar pentru prima dată și, pentru unii pacienți, reducând numărul de tratamente necesare.
SRS, care utilizează fascicule de fotoni focalizate cu precizie pentru a furniza o doză mare de radiații țintelor din creier într-o singură sesiune de radioterapie, evoluează în tratamentul standard de îngrijire pentru pacienții cu un număr limitat de metastaze cerebrale. Cu toate acestea, pentru a viza o metastază, aceasta trebuie mai întâi identificată pe o imagine RM. Din păcate, aproximativ 10% nu sunt, 30% pentru cei cu dimensiuni mai mici de 3 mm, chiar și atunci când sunt revizuite de neuroradiologi experți.
Atunci când aceste metastaze cerebrale nedescoperite - la care cercetătorii se referă ca metastaze identificate retrospectiv (RIMs) - sunt identificate pe scanările RMN ulterioare, este de obicei necesar un al doilea tratament SRS. Un astfel de tratament este costisitor și poate fi inconfortabil și invaziv, necesitând uneori imobilizarea capului cu un cadru fixat de craniu prin știfturi.
La recenta întâlnire anuală ASTRO, Devon Godfrey au explicat că cercetătorii au proiectat sistemul CAD bazat pe rețeaua neuronală convoluțională (CNN) special pentru a îmbunătăți detectarea și segmentarea RIM-urilor greu de detectat și a metastazelor foarte mici identificate prospectiv (PIM). Godfrey și colegii descriu testarea și validarea acestui sistem în Jurnalul Internațional de Radiation Oncology Biology Physics.
Echipa a instruit instrumentul CAD pe datele RMN (o secvență de eco gradient alterată îmbunătățită cu contrast) de la 135 de pacienți cu 563 de metastaze cerebrale. Imaginile au fost achiziționate folosind scanere RMN de 1.5 T și 3.0 T de la diferiți furnizori din mai multe locații Duke Health. În total, setul de date a inclus 491 de PIM cu un diametru median de 6.7 mm și 72 de RIM de la 32 de pacienți, cu un diametru median de 2.7 mm.
Pentru a identifica RIM, cercetătorii au revizuit imaginile RM originale ale fiecărui pacient pentru a căuta semne de îmbunătățire a contrastului în locația exactă în care a fost detectată mai târziu o metastază. După revizuire, ei au clasificat fiecare RIM ca fiind fie îndeplinind criteriile de diagnostic bazate pe imagistică (+DC), fie având informații vizuale insuficiente (-DC) pentru a fi identificate ca metastază.
Cercetătorii au randomizat setul de date RIM-uri și PIM-uri în cinci grupuri, folosind patru dintre acestea pentru dezvoltarea modelului și a algoritmului și unul ca grup de testare. „Includerea RIM-urilor +DC și -DC a dus la cele mai mari sensibilități pentru fiecare categorie și dimensiune de metastază cerebrală, returnând, de asemenea, cea mai mică rată de fals pozitive și cea mai mare valoare predictivă pozitivă”, raportează ei. „Acest lucru arată un beneficiu clar al includerii unei eșantionări supraponderate de metastaze cerebrale mici provocatoare la datele de antrenament CAD.”
Pentru PIM și +DC RIM - care au caracteristici clare ale metastazelor pe RMN - modelul a atins o sensibilitate globală de 93%, variind de la 100% pentru leziunile mai mari de 6 mm în diametru până la 79% pentru cele mai mici de 3 mm. Rata fals-pozitive a fost, de asemenea, impresionant de scăzută, cu o medie de 2.7 pe persoană, comparativ cu între opt și 35 în alte sisteme CAD cu sensibilitate de detecție comparabilă pentru leziuni mici.
Sistemul CAD a fost, de asemenea, capabil să detecteze unele dintre RIM-urile -DC atât în seturile de dezvoltare, cât și în seturile de testare. Identificarea metastazelor cerebrale în această etapă incipientă ar fi un mare avantaj clinic, deoarece astfel de leziuni ar putea fi apoi monitorizate mai amănunțit prin imagistică, determinând tratamentul dacă este necesar.
Echipa Duke lucrează acum pentru a îmbunătăți acuratețea instrumentului CAD prin utilizarea mai multor secvențe MR. Godfrey explică că studiile RMN ale creierului includ aproape întotdeauna mai multe secvențe MR care produc informații unice despre fiecare voxel din creier. „Credem că încorporarea informațiilor suplimentare disponibile din aceste alte secvențe ar trebui să-și îmbunătățească acuratețea”, spune el.
Godfrey observă că cercetătorii sunt la doar câteva săptămâni până la lansarea unui studiu prospectiv simulat de utilizare clinică a sistemului CAD existent pentru a investiga modul în care instrumentul influențează luarea deciziilor clinice atât de către radiologi, cât și de către oncologii radiații.
Învățarea profundă îi ajută pe radiologi să detecteze cancerul pulmonar pe radiografiile toracice
„Mulți neuroradiologi experți și oncologi neuro-radiați care efectuează SRS vor fi prezentați cu scanări RM ale creierului. Li se va cere să găsească orice leziune care ar putea fi o metastază cerebrală, să-și evalueze nivelul de încredere și să afirme dacă ar trata leziunea cu SRS, pe baza apariției acesteia în imagini”, spune el. Lumea fizicii. „Le vom prezenta apoi predicțiile CAD și vom evalua impactul CAD asupra deciziilor clinice ale fiecărui medic.”
Dacă acest studiu de simulare dă rezultate promițătoare, Godfrey anticipează implementarea instrumentului CAD pentru a ajuta la identificarea prospectivă a metastazelor cerebrale provocatoare la pacienții noi care sunt tratați în clinica de oncologie cu radiații Duke, în cadrul unui protocol de cercetare, poate chiar la jumătatea anului 2023.
