O nouă abordare bazată pe inteligenţa artificială (AI) a demonstrat că poate detecta cu exactitate şase tipuri diferite de cancer pe scanările PET/CT ale întregului corp, potrivit unei cercetări prezentate în cadrul reuniunii anuale a Societăţii de medicină nucleară şi imagistică moleculară (SNMMI 2024), care a avut loc între 8 - 11 iunie în Toronto (Canada).
Detectarea şi caracterizarea automată a cancerului sunt nevoi clinice importante pentru a permite un tratament timpuriu, spun specialiştii.
Cele mai multe modele de AI care au ca scop detectarea cancerului sunt construite pe seturi de date de dimensiuni mici sau moderate care, de obicei, cuprind o singură afecţiune malignă şi un singur radiotrasor.
„Acest lucru reprezintă un blocaj critic în paradigma actuală de instruire şi evaluare pentru aplicaţiile AI în imagistica medicală şi radiologie", a declarat Kevin H. Leung, cercetător la facultatea de medicină Johns Hopkins, din cadrul Universităţii din Baltimore (Statele Unite), într-un comunicat publicat luni, de Societatea de medicină nucleară şi imagistică moleculară, cu ocazia sesiunilor anuale care au avut loc între 8 - 11 iunie, în Toronto (Canada).
Noul instrument AI poate fi util pentru a evalua riscul pacientului, pentru a estima răspunsul la tratament şi supravieţuirea, prin cuantificarea automată a încărcăturii tumorale.
Pentru a aborda această problemă, cercetătorii au dezvoltat o abordare de învăţare profundă prin transfer (un tip de inteligenţă artificială) pentru segmentarea complet automată a tumorilor pe tot corpul şi pentru prognosticarea pe scanări PET/CT.
În cadrul studiului au fost analizate date de la 611 scanări FDG PET/CT ale unor pacienţi cu cancer pulmonar, melanom, limfom, cancere din sfera ORL (cap şi gât) şi cancer de sân, precum şi 408 scanări PSMA PET/CT ale unor pacienţi cu cancer de prostată.
Abordarea AI a extras automat caracteristicile radiomice şi măsurile imagistice ale întregului corp din segmentările tumorale estimate pentru a cuantifica sarcina tumorală moleculară şi absorbţia moleculară în toate tipurile de cancer.
Caracteristicile cantitative şi măsurile imagistice au fost utilizate pentru a construi modele predictive cu scopul de a demonstra valoarea prognostică pentru stratificarea riscului, estimarea supravieţuirii şi predicţia răspunsului la tratament la pacienţii cu cancer.
Exemple de segmente tumorale indicate de abordarea AI bazată pe învăţarea profundă, în şase tipuri de cancer. Pentru cancerul de sân sunt prezentate scanări înainte şi după terapie. Credit: Imagine creată de Kevin H. Leung şi colab., Universitatea Johns Hopkins, Baltimore, iunie 2024.
În plus faţă de efectuarea prognosticului cancerului, abordarea oferă un cadru care va contribui la îmbunătăţirea rezultatelor şi a supravieţuirii pacienţilor prin identificarea unor biomarkeri predictivi puternici, caracterizarea subtipurilor tumorale şi permiţând, totodată, detectarea şi tratamentul precoce al cancerului, a remarcat Leung.
„Abordarea poate ajuta, de asemenea, la gestionarea timpurie a pacienţilor cu boală avansată, în stadiu terminal, prin identificarea regimurilor de tratament adecvate şi predicţia răspunsului la terapii, cum ar fi terapia radiofarmaceutică”, e adăugat acesta.
Specialiştii spun că, în viitor, instrumentele de AI generalizabile şi complet automatizate vor juca un rol important în centrele de imagistică, ajutând medicii la interpretarea scanărilor PET/CT ale pacienţilor cu cancer.
Abordarea de învăţare profundă poate duce, de asemenea, la descoperirea unor informaţii moleculare importante despre procesele biologice care stau la baza acestora şi care ar putea fi în prezent insuficient studiate în populaţiile de pacienţi pe scară largă.
