[Tekst alternatywny obrazu: Przełomowy model AI opracowany przez badaczy z UT Southwestern Medical Center może wykrywać przerzuty raka piersi bez operacji, wykorzystując zaawansowaną analizę MRI.](Źródło obrazu: Shutterstock)
Peter Zhang 1 listopada 2024 05:01
Przełomowy model AI opracowany przez badaczy z UT Southwestern Medical Center może wykrywać przerzuty raka piersi bez operacji, wykorzystując zaawansowaną analizę MRI.
W znaczącym rozwoju technologii medycznej badacze z Uniwersytetu Teksasu Southwestern Medical Center opracowali model uczenia głębokiego, który może wykrywać rozprzestrzenianie się raka piersi bez potrzeby inwazyjnej operacji. To narzędzie oparte na AI analizuje MRI szeregowe w czasie i dane kliniczne, aby ustalić, czy komórki rakowe przerzuciły się do pobliskich węzłów chłonnych, co może zrewolucjonizować planowanie leczenia zarówno dla lekarzy, jak i pacjentów, według NVIDIA.
Redukcja procedur inwazyjnych
Obecnie lekarze często stosują biopsje węzłów chłonnych wartowniczych (SLNB), aby określić, czy rak piersi rozprzestrzenił się na węzły chłonne. Procedura ta polega na wstrzyknięciu barwnika i radioaktywnego roztworu w pobliżu guza, aby zidentyfikować węzły wartownicze, które następnie są chirurgicznie usuwane do badania histopatologicznego. Chociaż skuteczna, SLNB jest inwazyjna i niesie ze sobą ryzyko, takie jak powikłania anestezjologiczne, narażenie na promieniowanie oraz ból pooperacyjny.
Nowy model AI stanowi jednak nieinwazyjną alternatywę. Wykorzystując niestandardową czterowymiarową konwolucyjną sieć neuronową (4D CNN), model był trenowany na danych z dynamicznego obrazowania rezonansu magnetycznego z kontrastem (DCE-MRI) od 350 kobiet zdiagnozowanych z rakiem piersi, który rozprzestrzenił się na węzły chłonne. Przetwarza dane w czterech wymiarach, badając skany 3D MRI w czasie i integrując zmienne kliniczne, takie jak wiek i stopień złośliwości guza, aby dokładnie zidentyfikować złośliwe węzły chłonne.
Wysoka dokładność i przyszłe implikacje
Model AI wykazał imponującą dokładność na poziomie 89% w identyfikacji przerzutów w węzłach chłonnych, przewyższając tradycyjne metody obrazowania i oceny radiologów. To mogłoby potencjalnie oszczędzić pacjentkom z rakiem piersi niepotrzebne procedury, takie jak SLNB i wycięcie węzłów chłonnych pachowych (ALND), zmniejszając związane z tym ryzyko i zasoby opieki zdrowotnej.
Dr Dogan Polat, główny autor badania, podkreślił, że model koncentruje się na danych z pierwotnego guza, minimalizując potrzebę dodatkowego obrazowania. „Naszym celem jest zmniejszenie potrzeby dodatkowego obrazowania i ograniczenie liczby inwazyjnych procedur dla pacjentów”, powiedział dr Polat, podkreślając potencjał modelu do poprawy wyników leczenia pacjentów i uproszczenia terapii raka.
Z niecierpliwością czekając
Badacze planują wdrożyć model AI w rzeczywistych warunkach klinicznych, aby zebrać dane do dalszej walidacji i udoskonalenia. Ten krok jest kluczowy dla oceny jego skuteczności w szerszym zakresie scenariuszy klinicznych oraz potencjalnego rozszerzenia jego zastosowania na inne nowotwory.
Wykorzystanie procesorów graficznych NVIDIA A100 i V100 Tensor Core było kluczowe w budowie i trenowaniu modelu, jak zauważyła Paniz Karbasi, współautorka badania i starszy inżynier HPC w NVIDIA. Ta współpraca podkreśla rolę nowoczesnej technologii w postępie badań medycznych i poprawie dokładności diagnostycznej.
Według wiadomości Binance
<p>Post Narzędzie oparte na AI wykrywa przerzuty raka piersi bez operacji po raz pierwszy pojawił się na CoinBuzzFeed.</p>