Перед проведением лучевой терапии радиотерапевт сначала тщательно анализирует изображения, чтобы определить общий объем опухоли. Построение контура – это процесс, который устанавливает дозу радиации для пациента. В случае рака головы и шеи это особенно сложная задача из-за наличия уязвимых тканей.
Новое исследование Университета Утрехта обнаружило значительную разницу в том, как врачи делали построение контура на изображениях компьютерной томографии одного и того же пациента. Такая разница в стандартах может стать проблемой для пациентов, так как лечение полностью зависит от лечащего врача.
Команда исследователей под руководством Карлоса Карденаса из Университета Техаса разработала новый метод автоматизации контуров, используя искусственный интеллект и глубинные нейронные сети. Результаты опубликованы в июньском выпуске International Journal of Radiation Oncology*Biology*Physics.
Работа Карденаса направлена на перевод процесса принятия решения врачом в компьютерную программу. В исследовании ученые проанализировали данные 52 пациентов с орофарингеальной раковой опухолью, которые проходили лечение в период с января 2006 года по август 2010 года.
Карденас проводил много времени, наблюдая за командой радиотерапевтов и пытаясь выяснить, как они проводят построение контуров. Для целевых объемов радиотерапевты используют данные, основанные на форме опухоли и ее смежных тканях. Карденас начал проект в 2015 году и быстро собрал большой объем данных для анализа. Он обратился к глубинному обучению для искусственного интеллекта. Алгоритм глубинного обучения использует автокодеры, форму нейронных сетей, которые могут научиться представлять наборы данных, идентифицировать их и воссоздавать шаблоны контуров врача.
Модель использует общий объем опухоли и информацию о расстоянии от окружающих анатомических структур. Затем данные классифицируются и анализируются. В документе описывается автоматизация цели для областей повышенного риска. В дополнительных предстоящих работах будут описаны низкие и промежуточные риски.
Помимо снижения различий при сопоставлении результатов в клинических испытаниях, преимуществом метода является скорость и эффективность. Результат затем рецензируется другими врачами, чтобы свести риски к минимуму.
Используя суперкомпьютер Maverick, исследователи смогли произвести клинические целевые объемы менее чем за минуту. Обучение для системы заняло немало времени, и для этого шага в компьютерном центре значительно ускорили исследовательские работы.
Проект специально предназначен для оказания помощи странам с низким и средним уровнем доходов, где опыт в области контурирования меньше. По словам Карденаса, такой инструмент поможет клиническим испытаниям, позволяя сравнивать результаты лечения пациентов в различных учреждениях. Глубинное обучение и искусственный интеллект изменят лечение онкологических заболеваний. Такие системы смогут делать более точные прогнозы.
Источник: https://medicalxpress.com/news/2018-05-ai-oncologist-cancer-patients-worldwide.html
Комментарии
Пока комментариев нет
Новый комментарий