2022-09-15 16:43:39 JPM redakcja1 K

Sztuczna inteligencja pomaga wykryć raka trzustki

Narzędzie sztucznej inteligencji (AI) jest bardzo skuteczne w wykrywaniu raka trzustki na skanie tomografu komputerowego, wynika z badania opublikowanego w Radiology, czasopiśmie Radiological Society of North America (RSNA).

Trzustka | Sebastian Kaulitzki, Shutterstock

Rak trzustki ma najniższy wskaźnik przeżycia 5 lat wśród nowotworów. Przewiduje się, że do 2030 r. stanie się drugą najczęstszą przyczyną zgonów z powodu raka w Stanach Zjednoczonych. Wczesne wykrycie jest najlepszym sposobem na poprawę ponurej perspektywy, ponieważ rokowanie znacznie się pogarsza, gdy guz rośnie powyżej 2 centymetrów.

Tomografia komputerowa jest kluczową metodą obrazowania do wykrywania raka trzustki, ale pomija około 40% guzów poniżej 2 centymetrów. Istnieje pilna potrzeba skutecznego narzędzia, które pomogłoby radiologom w poprawie wykrywania raka trzustki.

Naukowcy z Tajwanu badają narzędzie do wykrywania wspomaganego komputerowo (CAD), które wykorzystuje rodzaj sztucznej inteligencji zwanej głębokim uczeniem się do wykrywania raka trzustki. Wcześniej wykazali, że narzędzie może dokładnie odróżnić raka trzustki od nienowotworowej trzustki. Jednak badanie to polegało na tym, że radiolodzy ręcznie identyfikowali trzustkę na obrazowaniu - pracochłonny proces znany jako segmentacja. W nowym badaniu narzędzie AI automatycznie zidentyfikowało trzustki. Jest to ważny postęp, biorąc pod uwagę, że trzustka graniczy z wieloma narządami i strukturami i może mieć różne kształty i rozmiary.

Naukowcy opracowali narzędzie z wewnętrznym zestawem testowym składającym się z 546 pacjentów z rakiem trzustki i 733 uczestników kontrolnych. Narzędzie osiągnęło 90% czułości i 96% szczegółowości w wewnętrznym zestawie testowym.

Po potwierdzeniu nastąpiła seria 1,473 indywidualnych egzaminów tomografu z instytucji na całym Tajwanie. Narzędzie osiągnęło 90% czułość i 93% szczegółowość w odróżnianiu raka trzustki od grupy kontrolnej w tym zestawie. Czułość w wykrywaniu raka trzustki poniżej 2 centymetrów wynosiła 75%.

"Wydajność narzędzia głębokiego uczenia się wydawała się na równi z wydajnością radiologów" - powiedział starszy autor badania Weichung Wang, Ph.D., profesor na Narodowym Uniwersytecie Tajwańskim i dyrektor uniwersyteckiego Laboratorium MeDA. "W szczególności w tym badaniu czułość narzędzia do komputerowego wykrywania raka trzustki była porównywalna z czułością radiologów w trzeciorzędowym ośrodku referencyjnym, niezależnie od wielkości i stadium guza".

Narzędzie CAD ma potencjał, aby zapewnić bogactwo informacji, aby pomóc lekarzom, powiedział dr Wang. Może to wskazywać region podejrzenia, aby przyspieszyć interpretację radiologa.

"Narzędzie CAD może służyć jako uzupełnienie dla radiologów w celu zwiększenia wykrywania raka trzustki" - powiedział współautor badania, Dr Wei-Chi Liao z National Taiwan University i National Taiwan University Hospital.

Naukowcy planują dalsze badania. W szczególności chcą przyjrzeć się wydajności narzędzia w bardziej zróżnicowanych populacjach. Ponieważ obecne badanie było retrospektywne, chcą zobaczyć, jak działa w rzeczywistych warunkach klinicznych.

Autor:
Po-Ting Chen, Tinghui Wu, Pochuan Wang, Dawei Chang, Kao-Lang Liu, Ming-Shiang Wu, Holger R. Roth, Po-Chang Lee, Wei-Chih Liao, Weichung Wang | Tłumaczenie: Sebastian Furman

Źródło:
https://www.sciencedaily.com/releases/2022/09/220913110443.htm

Udostępnij
Nie ma jeszcze żadnych komentarzy.
Treść wiadomości jest wymagana.