Gliomas: ประเมินการตอบสนองการรักษาได้ดีขึ้นด้วยอัลกอริทึม

พื้นหลัง

Gliomas เป็นเนื้องอกในสมอง สามารถรักษาได้หลายวิธีเช่นการฉายรังสีเคมีบำบัดการผ่าตัดด้วยเคมีบำบัดหรือการทดลอง อย่างไรก็ตามไม่ใช่ว่า glioma ทุกคนจะตอบสนองต่อการรักษาประเภทใดประเภทหนึ่งได้ดีเท่า ๆ กัน ด้วยเหตุนี้จึงจำเป็นต้องใช้วิธีการที่สามารถทำนายการตอบสนองการรักษาของเนื้องอกได้อย่างน่าเชื่อถือที่สุด การเติบโตของเนื้องอกเป็นที่สนใจของนักวิทยาศาสตร์และแพทย์ที่รักษาเป็นพิเศษ

จนถึงขณะนี้มีการวิเคราะห์เนื้องอกในสมองโดยใช้ภาพ MRI เพื่อจุดประสงค์นี้จึงมีการใช้สิ่งที่เรียกว่าเกณฑ์ RANO (การประเมินการตอบสนองในระบบประสาทและมะเร็งวิทยา) มากขึ้นเรื่อย ๆ และภาพ MRI ได้รับการวิเคราะห์สองมิติและด้วยตนเองเป็นหลัก เกณฑ์เหล่านี้สามารถใช้ในการประมาณระยะเวลาที่เนื้องอกมีแนวโน้มที่จะยังคงปราศจากการลุกลาม อย่างไรก็ตามเทคนิคนี้ทำให้เกิดปัญหาบางอย่างเนื่องจากตั้งอยู่บนสมมติฐานที่ว่าเนื้องอกเติบโตเป็นทรงกลมและเพียงพอที่จะวัดสองมิติเพื่อสร้างข้อความเกี่ยวกับปริมาณเนื้องอก อย่างไรก็ตามเนื้องอกจำนวนมากไม่เติบโตอย่างเท่าเทียมกันในทุกทิศทางเนื่องจากได้รับอิทธิพลอย่างมากจากสภาพแวดล้อมและการรักษา ดังนั้นพวกมันมักจะมีรูปร่างที่ซับซ้อนและเติบโตแบบแอนไอโซทรอปิก เป็นผลให้การวัดสองมิติถึงขีด จำกัด อย่างไรก็ตามวิธีการวัดสามมิติยังไม่เหมาะสำหรับการใช้งานทางคลินิกในชีวิตประจำวัน

ตั้งเป้าหมาย

ทีมงานรอบดร. ในการศึกษาของเธอ Philipp Kickingereder จากโรงพยาบาลมหาวิทยาลัยไฮเดลเบิร์กและศูนย์วิจัยมะเร็งเยอรมันในไฮเดลเบิร์กตั้งเป้าหมายในการพัฒนาอัลกอริทึมโดยใช้โครงข่ายประสาทเทียม (ANN) [1] อัลกอริทึมนี้ควรสามารถวิเคราะห์การบันทึก MRT เชิงปริมาณได้อย่างสมบูรณ์โดยอัตโนมัติและประมาณเวลาที่ไม่มีการลุกลามตลอดจนทำนายการตอบสนองของการรักษาใน gliomas จุดมุ่งหมายคือเพื่อลดข้อ จำกัด ของการประเมินเนื้องอกด้วยตนเอง อัลกอริทึมควรฝังอยู่ในโครงสร้างพื้นฐานซอฟต์แวร์ที่เข้ากันได้กับคลินิก

ระเบียบวิธี

ในขั้นตอนแรกนักวิทยาศาสตร์ใช้ข้อมูลจากผู้ป่วย 455 คนที่มี glioblastomas ที่ได้รับการยืนยันทางจุลพยาธิวิทยาที่โรงพยาบาลมหาวิทยาลัยไฮเดลเบิร์กเพื่อสอนปัญญาประดิษฐ์ในการวิเคราะห์ภาพ MRI อย่างเป็นอิสระและในลักษณะที่เป็นมาตรฐานตามเกณฑ์ที่กำหนดไว้ล่วงหน้า เมื่อป้อนข้อมูล ANN ได้รับการจัดลำดับ MRI ที่แตกต่างกันสี่ลำดับซึ่งนักรังสีวิทยาได้พัฒนาหน้ากากแบ่งส่วนของเนื้องอกไว้ล่วงหน้า

จากนั้นตรวจสอบอัลกอริทึมบนพื้นฐานของชุดข้อมูลตามยาวจากผู้ป่วยรายอื่น ๆ อีก 40 รายที่ได้รับการรักษาในไฮเดลเบิร์กด้วย glioblastoma ที่ได้รับการยืนยันทางจุลพยาธิวิทยาหรือ glioma เกรดต่ำและเปรียบเทียบทางสถิติย้อนหลังกับผลลัพธ์ที่ได้รับจาก RANO ในเวลาเดียวกันทีมงานได้ใช้อัลกอริทึมในการตรวจสอบครั้งที่สองโดยใช้ข้อมูลหลายศูนย์ ในการทำเช่นนี้พวกเขาใช้ภาพ MRI ทั้งหมด 2,034 ภาพจากผู้ป่วย 532 คนจาก 38 สถาบันในการศึกษา EORTC-26101 สำหรับชุดข้อมูลทั้งสองชุดปัญญาประดิษฐ์จะวัดปริมาณพลวัตเชิงพื้นที่และชั่วคราวของปริมาณเนื้องอกและคำนวณระยะเวลาโดยอัตโนมัติจนกว่าเนื้องอกจะก้าวหน้า นักวิทยาศาสตร์ยังเปรียบเทียบผลลัพธ์เหล่านี้ทางสถิติด้วยความช่วยเหลือของค่าสัมประสิทธิ์ลูกเต๋ากับผลลัพธ์ที่ได้จาก RANO ในระหว่างการรักษา

ในขั้นตอนสุดท้ายดร. Kickingereder และเพื่อนร่วมงานของเขาได้พัฒนาโครงสร้างพื้นฐานซอฟต์แวร์ที่ใช้งานได้โดยตรงจากผลการศึกษาของพวกเขาและทดสอบในสภาพแวดล้อมทางคลินิกจำลองกับผู้ป่วย

ผล

จากการประเมินทางสถิติ ANN ได้ค่าสัมประสิทธิ์ลูกเต๋าเฉลี่ย 0.89 สำหรับเนื้องอกที่เพิ่มความเปรียบต่างและ 0.93 สำหรับความผิดปกติของสัญญาณ T2 ที่ไม่ได้รับการปรับปรุงใน MRI สำหรับชุดข้อมูลไฮเดลเบิร์กและ 0.91 และ 0.93 สำหรับชุดข้อมูลจากการศึกษา EORTC-26101 . เพื่อประมาณเวลาที่ไม่มีการลุกลามการประเมินเชิงปริมาณตาม ANN ของการตอบสนองต่อการบำบัดนั้นดีกว่าการรอดชีวิตโดยรวมที่ใช้ RANO อย่างมีนัยสำคัญ ความน่าเชื่อถือของการประเมินดีขึ้น 36%

ในการคำนวณการตอบสนองต่อการรักษาของเนื้องอกในคลินิกจำลองกับผู้ป่วยปัญญาประดิษฐ์ต้องใช้เวลาคอมพิวเตอร์สิบนาทีต่อการสแกนหนึ่งครั้ง

สรุป

“ การประเมินผลการตรวจ MRI กว่า 2,000 ครั้งของผู้ป่วย glioblastoma 534 รายจากทั่วยุโรปแสดงให้เห็นว่าวิธีการที่ใช้คอมพิวเตอร์ของเราช่วยให้สามารถประเมินการตอบสนองต่อการบำบัดได้อย่างน่าเชื่อถือมากกว่าที่จะเป็นไปได้ด้วยวิธีการวัดแบบธรรมดา เราสามารถปรับปรุงความน่าเชื่อถือของการประเมินได้ 36 เปอร์เซ็นต์ สิ่งนี้มีความสำคัญอย่างยิ่งต่อการประเมินประสิทธิภาพการบำบัดโดยใช้การถ่ายภาพในการทดลองทางคลินิก วิธีการใหม่ของเรายังทำให้สามารถทำนายการรอดชีวิตโดยรวมได้แม่นยำยิ่งขึ้น” ดร. ฟิลิปป์คิกกิ้งเกอร์เดอร์อธิบาย [2]

เพื่อที่จะเปลี่ยนผลลัพธ์ให้เป็นระบบที่แข็งแกร่งซึ่งเหมาะสำหรับการใช้งานในชีวิตประจำวันและได้รับการทดสอบอย่างเพียงพอสำหรับการวินิจฉัยทางคลินิกตอนนี้ระบบต้องพิสูจน์ตัวเองในการศึกษาทางคลินิกในอนาคต จากข้อมูลของ บริษัท เองขณะนี้กำลังดำเนินการโดยเป็นส่วนหนึ่งของการศึกษาเพื่อปรับปรุงการรักษาผู้ป่วย glioblastoma ที่ศูนย์วิจัยมะเร็งเยอรมันและศูนย์โรคเนื้องอกแห่งชาติ (NCT) ในไฮเดลเบิร์ก