Połączenia mózg-komputer
Połączenia mózg-komputer, źródło: Pixabay

Przerzuty do mózgu – uczenie maszynowe umożliwi ich diagnozę na wczesnym etapie?

Medycy postanowili wykorzystać tzw. uczenie głębokie, oparte o sieci neuronowe (CNN), będące częścią uczenia maszynowego (ML), aby diagnozować przerzuty do mózgu.

Uczenie maszynowe i sieci neuronowe odnajdą niewielkie przerzuty?

Naukowcy z Uniwersytetu Duke, zlokalizowanego w Durkham w Karolinie Północnej, zdołali opracować system, który oparty jest o tworzenie sieci neuronowych, aby możliwe było wykrywanie przerzutów nowotworu do mózgu w oparciu o obrazy wykonane przez rezonans magnetyczny.

Stworzony przez zespół naukowców algorytm pozwala na wczesne odnalezienie i zidentyfikowanie przerzutów do mózgu, które przez ludzkie oko wykwalifikowanego radiologa mogłyby zostać pominięte, przez wzgląd na ich niewielkie rozmiary.

Przeprowadzona przez system analiza umożliwiłaby natychmiastowe przeprowadzenie zabiegu, który byłby mniej inwazyjny na wczesnym etapie, w porównaniu do zabiegu wykonywanego w późniejszym czasie, gdy przerzut zostanie odnaleziony przy kolejnych badaniach diagnostycznych.

Te pominięte w początkowych badaniach przerzuty mózgu nazywane są przez medyków retrospektywnie zidentyfikowanymi przerzutami (RIM) i mogą być często zwalczone za pomocą zabiegów radiochirurgii stereotaktycznej (SRS). Metody SRS umożliwiają wykonanie celowanej terapii na konkretne, odnalezione na obrazach MRI, przerzuty nowotworu do mózgu.

Skuteczność i testowanie algorytmu

Opracowane przez naukowców narzędzie typu CAD, którego działanie opiera się o sieci neuronowe, zostało stworzone na podstawie wykonanych w przeszłości badań MRI. Algorytm uzyskał dostęp do badań 135 pacjentów, którzy zostali zaatakowani przez 563 przerzuty do mózgu. Aparaty użyte do badań to 1,5 i 3-Teslowe rezonanse magnetyczne różnych producentów oraz z różnych lokalizacji uniwersyteckich.

Przerzuty mózgu wykrywane przez ML
Źródło: Devon Godfrey, Duke University
Przerzuty mózgu wykrywane przez ML Źródło: Devon Godfrey, Duke University

Algorytm był testowany i sprawdzany pod względem poprawności w oparciu o kolejne badania MRI, które już wykazały powiększony przerzut, a także przez wykwalifikowany zespół neuroradiologów. Medycy mieli za zadanie odnaleźć oznaki, które wskazywałyby na wzmocnienie kontrastowe w obszarze, który został odnaleziony i uznany jako przerzut przez opracowany system.

Wykonany model osiągnął wysoką czułość – 100% przy średnicy przerzutu większej od 6 milimetrów, natomiast 79% dla zmian mniejszych od 3 milimetrów. Opracowany system jest aktualnie ulepszany, aby możliwe było uzyskanie jeszcze lepszej precyzyjności, które ma opierać się o dodanie większej liczby sekwencji MRI.

Narzędzie ma być niebawem udostępnione szerszemu gronu ekspertów w celu dalszego testowania, którego pozytywne wyniki umożliwiłyby wdrożenie algorytmu już w połowie przyszłego roku.