Yeni derin öğrenme aracı kanser tedavisinde hassasiyeti ve tutarlılığı artırabilir

iSeg’in derin öğrenme modeli, hareket halindeki akciğer tümörlerini takip ederek doktor doğruluğuna uyuyor ve gizli tehlike bölgelerini açığa çıkarıyor; daha hızlı, daha adil ve daha etkili radyasyon tedavisi vaat ediyor. (Çalışma yazarı Troy Teo, kendi oluşturduğu yapay zeka aracını işaret ediyor.) Kaynak: Northwestern Üniversitesi

Radyasyon terapisinde, hassasiyet hayat kurtarabilir. Onkologlar, sağlıklı dokuyu korurken kanser hücrelerini yok etmek için yüksek doz radyasyon vermeden önce tümörün boyutunu ve yerini dikkatlice haritalamalıdır. Ancak tümör segmentasyonu adı verilen bu süreç hala manuel olarak yapılır, zaman alır, doktorlar arasında değişir ve kritik tümör alanlarının gözden kaçırılmasına yol açabilir.

Northwestern Medicine bilim insanlarından oluşan bir ekip, iSeg adı verilen bir yapay zeka aracı geliştirdi. Bu araç, yalnızca doktorların BT taramalarında akciğer tümörlerini doğru bir şekilde belirlemesiyle kalmıyor, aynı zamanda bazı doktorların gözden kaçırabileceği alanları da belirleyebiliyor.

Daha önce statik görüntülere odaklanan yapay zeka araçlarının aksine, iSeg, her nefeste tümörleri hareket ettikçe parçalara ayırabildiği gösterilen ilk 3 boyutlu derin öğrenme aracıdır. Bu, ABD’deki kanser hastalarının yarısının hastalıkları sırasında aldıkları radyasyon tedavisinin planlanmasında kritik bir faktördür.

Northwestern Üniversitesi Feinberg Tıp Fakültesi’nde radyasyon onkolojisi bölüm başkanı ve profesörü olan kıdemli yazar Dr. Mohamed Abazeed, “On yıl önce hepimizin hayal ettiğinden daha da hassas kanser tedavilerine bir adım daha yaklaştık” dedi.

Northwestern Üniversitesi Robert H. Lurie Kapsamlı Kanser Merkezi üyesi ve kanser tedavisini kişiselleştirmek ve iyileştirmek için veri odaklı araçlar geliştiren bir araştırma ekibine liderlik eden Abazeed, “Bu teknolojinin amacı doktorlarımıza daha iyi araçlar sunmak” diye ekledi.

Çalışma bugün (30 Haziran) npj Precision Oncology dergisinde yayımlandı .

iSeg nasıl oluşturuldu ve test edildi

Northwestern bilim insanları, Northwestern Medicine ve Cleveland Clinic sağlık sistemlerindeki dokuz klinikte tedavi edilen yüzlerce akciğer kanseri hastasından alınan BT taramaları ve doktor tarafından çizilmiş tümör ana hatlarını kullanarak iSeg’i eğitti. Bu, birçok geçmiş çalışmada kullanılan küçük, tek hastane veri kümelerinin çok ötesinde.

Eğitimden sonra, AI daha önce görmediği hasta taramalarında test edildi. Tümör ana hatları daha sonra doktorlar tarafından çizilenlerle karşılaştırıldı. Çalışma, iSeg’in hastaneler ve tarama türleri arasında uzman ana hatlarıyla tutarlı bir şekilde eşleştiğini buldu. Ayrıca bazı doktorların gözden kaçırdığı ek alanları da işaretledi ve bu gözden kaçan alanlar tedavi edilmezse daha kötü sonuçlarla ilişkilendirildi. Bu, iSeg’in genellikle fark edilmeyen yüksek riskli bölgeleri yakalamaya yardımcı olabileceğini düşündürüyor.

Abazeed, “Tümörün doğru hedeflenmesi, güvenli ve etkili radyoterapinin temelidir. Hedeflemedeki küçük hatalar bile tümör kontrolünü etkileyebilir veya gereksiz toksisiteye neden olabilir” dedi.

Feinberg’de kıdemli araştırma teknolojisti ve Northwestern’den yapay zeka alanında yüksek lisans derecesine sahip olan ilk yazar Sagnik Sarkar, “Yapay zeka aracımız tümör konturlamasını otomatikleştirerek ve standartlaştırarak gecikmeleri azaltmaya, hastaneler arasında adaleti sağlamaya ve doktorların gözden kaçırabileceği alanları belirlemeye yardımcı olabilir; böylece hasta bakımı ve klinik sonuçlar iyileştirilebilir” diye ekledi.

Kaynak ve devamına Buradan ulaşabilirsiniz.