Radioterapia z pomocą algorytmu. AI poprawia dokładność leczenia raka płuc
Zespół naukowców z Northwestern University opracował narzędzie oparte na sztucznej inteligencji, które może znacząco poprawić skuteczność radioterapii raka płuca. System o nazwie iSeg potrafi automatycznie i precyzyjnie lokalizować guzy na obrazach tomografii komputerowej, nawet uwzględniając ruch oddechowy pacjenta. Technologia może nie tylko przyspieszyć planowanie leczenia, ale też pomóc uniknąć błędów, które prowadzą do gorszych wyników terapii.
Skuteczna radioterapia wymaga milimetrowej precyzji. Onkolodzy muszą najpierw dokładnie zlokalizować guz i narysować jego granice na obrazach z tomografii komputerowej — ten proces nazywa się segmentacją. To żmudna i nieco subiektywna praca, która różni się w zależności od lekarza i może skutkować pominięciem niektórych części guza.
Nowe narzędzie o nazwie iSeg, stworzone przez badaczy z Northwestern Medicine, opiera się na technologii głębokiego uczenia i analizuje trójwymiarowe skany CT w czasie rzeczywistym — uwzględniając nawet ruch guza związany z oddychaniem.
- Jesteśmy o krok bliżej leczenia raka, które będzie jeszcze bardziej precyzyjne, niż ktokolwiek z nas wyobrażał sobie zaledwie dekadę temu – mówi dr Mohamed Abazeed, profesor radioterapii onkologicznej i lider zespołu badawczego.
Celem technologii jest wsparcie lekarzy w podejmowaniu lepszych decyzji terapeutycznych, szczególnie tam, gdzie liczy się czas i dostęp do doświadczonych specjalistów.
Aby stworzyć iSeg, zespół przetrenował algorytm na setkach przypadków pacjentów z rakiem płuca, leczonych w dziewięciu ośrodkach, m.in. w Northwestern Medicine i Cleveland Clinic. Na podstawie ręcznie wykonanych przez lekarzy obrysów guzów, AI nauczyła się rozpoznawać ich granice na obrazach CT.
Następnie system został przetestowany na nowych danych – skanach pacjentów, których wcześniej nie znał. Wyniki? iSeg poradził sobie tak samo dobrze jak eksperci, a w wielu przypadkach zauważył obszary, które ludzkie oko mogło przeoczyć.
Co więcej, pominięte przez lekarzy fragmenty okazały się powiązane z gorszymi wynikami leczenia, jeśli nie były objęte radioterapią.
- Dokładne ukierunkowanie leczenia na guz jest podstawą bezpiecznej i skutecznej radioterapii, gdzie nawet niewielkie błędy mogą mieć wpływ na kontrolę guza lub powodować niepotrzebną toksyczność – wyjaśnia dr Abazeed.
Pierwszy autor badania, Sagnik Sarkar, dodaje:
- Dzięki automatyzacji i standaryzacji konturowania guza nasze narzędzie AI może pomóc w skróceniu opóźnień, zapewnieniu uczciwości w szpitalach i potencjalnie zidentyfikowaniu obszarów, które lekarze mogliby pominąć, co ostatecznie poprawi opiekę nad pacjentem i wyniki kliniczne.
Zespół testuje obecnie iSeg w warunkach klinicznych, porównując wyniki działania AI z pracą lekarzy w czasie rzeczywistym. Planują też rozszerzenie działania algorytmu na inne nowotwory — m.in. wątroby, mózgu i prostaty — oraz na inne metody obrazowania, jak MRI i PET.
- Ta technologia może pomóc w zapewnieniu bardziej spójnej opieki w różnych instytucjach i uważamy, że wdrożenie kliniczne może być możliwe w ciągu kilku lat – mówi dr Troy Teo, współautor badania.
iSeg może odegrać kluczową rolę szczególnie w szpitalach, które nie mają dostępu do wysoko wyspecjalizowanych zespołów onkologicznych. Dzięki ustandaryzowanemu, automatycznemu segmentowaniu guzów radioterapia może być szybciej planowana i skuteczniej prowadzona — niezależnie od miejsca.
Jak podkreślają autorzy badania, to jeszcze nie koniec prac. Ale kierunek jest jasny: większa precyzja, szybsze decyzje i mniej pomyłek – z korzyścią dla pacjentów onkologicznych na całym świecie.
Źródło: medicalxpress.com
Aktualizacja: 03/07/2025 18:30
politykazdrowotna
