Согласно исследованию, опубликованному в журнале Diagnostics , искусственный интеллект демонстрирует многообещающие результаты в точном сегментировании плоскоклеточного рака ротоглотки (OPSCC) на МРТ без использования контрастных веществ.

Это открытие может изменить методы визуализации для пациентов, которым нельзя безопасно вводить контрастные вещества на основе гадолиния, заявил соавтор исследования и специалист по анализу данных Рамкумар Раджабатар Бабу Джай Шанкер из Чикагского университета в интервью AuntMinnie .

«Для пациентов [результаты исследования важны], потому что контрастные вещества на основе гадолиния не лишены рисков», — сказал он. «Пациенты с нарушенной функцией почек подвержены риску развития нефрогенного системного фиброза, а аллергические реакции, хотя и редки, все же случаются. Также растет внимание к отложению гадолиния в головном мозге при повторном облучении, что особенно актуально для онкологических больных, проходящих серийную визуализацию. Если ИИ сможет извлекать клинически полезные сегментации опухолей из бесконтрастных сканирований, это может открыть путь к созданию методов планирования лучевой терапии с минимальным использованием контрастного вещества».

Как написала группа исследователей во главе с соавтором Викторией Заровняевой, доктором медицинских наук, также из Чикагского университета, ручная сегментация опухоли является одним из наиболее быстрорастущих (по заболеваемости) злокачественных новообразований головы и шеи, и точное определение границ опухоли имеет решающее значение для планирования лучевой терапии. Однако ручная сегментация занимает много времени и подвержена расхождениям между врачами. Инструменты глубокого обучения показали свою перспективность в автоматизации этого процесса, но до сих пор исследователи не сравнивали эффективность контрастной и бесконтрастной МРТ-последовательностей для автоматической сегментации, отметила группа.

Заровняева и ее коллеги проанализировали предоперационные МРТ-исследования 39 пациентов с ВПЧ-положительным раком ротоглотки, используя фреймворк глубокого обучения nnU-Net. Они обучили и оценили три отдельные конфигурации модели: контрастное усиление, T1-взвешенное изображение с подавлением жира (только CE), T2-взвешенное изображение с подавлением жира (только T2) и комбинированный подход CE + T2, а затем измерили производительность каждой модели, используя показатель Dice в качестве основного критерия, а также Surface Dice при 2 мм, объемное соответствие и слепые качественные оценки экспертов.

Группа исследователей сообщила, что медианные значения коэффициента Дайса были одинаковыми для всех трех конфигураций: 0,63 для комбинированного подхода, 0,6 для подхода только с T2 и 0,55 для подхода только с CE. Команда также обнаружила, что ни одно из парных сравнений (т.е., комбинированный подход против подхода только с T2 [p = 0,11] или подход только с CE против подхода только с T2 [p = 0,98]) не достигло статистической значимости.  

Качественная оценка читателей показала статистически идентичные показатели приемлемости для всех конфигураций. Исследователи отметили, что все три модели демонстрировали тенденцию к недостаточной сегментации, со средними различиями в общем объеме опухоли -1,31 мл (в совокупности), -1,29 мл (только T2) и -1,49 мл (только CE). Они также сообщили, что размер опухоли является ключевым фактором успеха сегментации: небольшие опухоли объемом менее 3 мл показали значительно более низкие значения коэффициента Дайса и процент отказов, достигающий 50% в качественном обзоре.

По словам Бабу Джай Шанкера, результаты исследования подчеркивают потенциал искусственного интеллекта в преобразовании процесса получения изображений.

«Большая часть дискуссий об ИИ в радиологии сосредоточена на обнаружении и диагностике — то есть на выявлении чего-либо на снимках», — сказал он AuntMinnie . «Но это исследование указывает на другую, потенциально недооцененную роль: ИИ может помочь упростить сам процесс получения изображений. Если модели смогут надежно работать с менее сложными изображениями, это будет иметь последствия для времени сканирования, безопасности пациентов, стоимости и доступности, при этом врачи будут оставаться в курсе происходящего».

Внимание, автоперевод! За ошибки перевода ответственности не несём. Первоисточник по ссылке.