Исследователи из университетской больницы Аахена разработали модель искусственного интеллекта для ПЭТ-визуализации, которая может помочь клиницистам определить, реагируют ли пациенты на лечение опухоли головного мозга. 

Исследователи под руководством Робина Гутше, доктора философии, продемонстрировали, что модель искусственного интеллекта, основанная на глубоком обучении, может автоматически сегментировать метаболический объем опухоли (MTV) на ПЭТ-изображениях головного мозга. Они предположили, что этот подход может заменить необходимость такой предварительной обработки изображений клиницистами.

«Наша сегментация F-18 FET PET, основанная на глубоком обучении, позволяет проводить надежную, надежную и полностью автоматизированную оценку MTV у пациентов с опухолями головного мозга», — написала группа.

Оценка изменений MTV с помощью ПЭТ-сканирования с радиоактивными индикаторами аминокислот, такими как фторэтилтирозин F-18 (FET), является важным инструментом для оценки ответа на лечение у пациентов с опухолью головного мозга. Исследователи отметили, что MTV обычно определяется ручным или полуавтоматическим разграничением, что является трудоемким и может быть подвержено вариациям со стороны клиницистов.

В этом исследовании группа стремилась разработать метод автоматической сегментации MTV и оценить его эффективность для оценки ответа у пациентов с глиомами.

Исследователи включили в общей сложности 699 сканов F-18 FET-PET от 555 пациентов с опухолью головного мозга, которые были ранее получены при первоначальном диагнозе или во время последующих посещений. Опытные врачи-ядерщики сначала сегментировали MTV на изображениях, которые включали поражения с низким или высоким поглощением радиофармпрепарата F-18 FET.

Затем исследователи использовали 476 таких изображений для обучения нейронной сети ИИ (называемой «Нет новой U-Net») для сегментации MTV. Чтобы проверить производительность модели, группа использовала набор данных изображений из 223 сканирований 156 пациентов.

Согласно результатам, из 205 поражений с повышенным поглощением F-18 FET в наборе данных модель правильно идентифицировала 189. Важно отметить, что ни одна из анатомических областей, которые показали физиологически повышенное поглощение радиофармпрепарата F-18 FET, например, в области Авторы отметили, что верхний сагиттальный синус считался сетью опухолями.

В целом, согласно полученным данным, модель достигла среднего балла F1 92%, чувствительности 93% и положительной прогностической ценности 95% для обнаружения поражений.

«Это открытие подчеркивает ценность сети для улучшения и автоматизации принятия клинических решений на основе объемной оценки ПЭТ аминокислот», — пишут исследователи.

Авторы отметили, что преимущество модели заключается в том, что она предназначена для полной автоматизации 3D-сегментации с использованием одного сканирования FET-PET F-18 и обычного графического процессора менее чем за две минуты без предварительной обработки. Это говорит о том, что он может быть очень полезен в клинической практике.

«Основной вывод нашего исследования заключается в том, что наша нейронная сеть, основанная на глубоком обучении, обеспечивает надежное и полностью автоматизированное обнаружение и трехмерную сегментацию опухолей головного мозга, исследованных с помощью ПЭТ F-18 FET», — заключила группа.

Ссылку на полную статью можно найти здесь .

Источник