Istraživači u Silvester Comprehensive Cancer Center i Desai Sethi Urološkom institutu su pionirski u istraživanju kako bi iskoristili mašinsko učenje za dijagnozu i prognozu raka prostate, koristeći magnetnu rezonancu (MRI).
Nedavna integracija podataka otvorenog koda sa modelima mašinskog učenja, posebno u oblasti medicine, otvorila je nova vrata proučavanju progresije i/ili regresije bolesti. Upotreba konvencionalne MRI u istraživanju i lečenju raka prostate je efikasna za prognozu, dijagnozu, aktivni nadzor i smanjenje potrebe za procedurama biopsije kod pacijenata sa nižim rizikom.
„Nedavni napredak u mašinskom učenju sugeriše da postoji obećanje u razvoju cevovoda koji bi mogli da automatizuju standardizovane i objektivne procene sa MRI slika uz istovremeno smanjenje vremena, ljudskog kapitala i drugih troškova resursa“, kaže Himanshu Arora, dr, docent na Silvester. i Institut za urologiju Desai Sethi na Medicinskom fakultetu Miller.
Ali postoje prepreke za efikasno korišćenje mašinskog učenja u brizi o pacijentima, uključujući sposobnost da se efikasno koriste pristupi mašinskog učenja za specifične karcinome, specifičnost podataka o obuci za određeno zdravstveno stanje, itd. U ovom kontekstu, najnovije tehnologije, poput generativne adversarial netvorks (GANs), posmatraju se kao potencijalni način za generisanje visokokvalitetnih sintetičkih podataka koji čuvaju kliničku varijabilnost stanja i koji se primenjuju na PET, CT, MRI, ultrazvuk i rendgensko snimanje u mozgu, stomak i grudni koš. Međutim, uprkos izvesnom uspehu, upotreba GAN modela ostaje minimalna kada se prikazuje heterogenost bolesti kao što je rak prostate.
Istraživački tim za translaciju fokusiran je na improvizaciju GAN alata, rekao je dr Arora, kako bi se omogućilo da se izlazne slike primene i integrišu sa dijagnostičkim i prognostičkim alatima kod raka prostate. Pionir u korišćenju GAN-a u mašinskom učenju za rak prostate, dr Arora je autor studije „Generativne adversarijske mreže mogu da kreiraju visokokvalitetne slike magnetne rezonance za rak prostate“, koja je nedavno objavljena u Journal of Personalized Medicine kao deo posebno izdanje, „Najsavremenija i precizna medicina u raku prostate.“
Napredak u korišćenju mašinskog učenja kod raka prostate je posebno važan, s obzirom na to da je to najčešći rak među muškarcima i drugi najčešći uzrok smrti od raka kod muškaraca u SAD.
„Pravovremena dijagnoza i procena prognoze su izazovi za rak prostate, a to rezultira mnogim smrtnim slučajevima i povećava [rizik od napredovanja bolesti]“, rekla je dr Arora. „Ne možemo da zamenimo ljudsko oko kada je u pitanju donošenje medicinskih odluka. Ipak, unapređenje tehnologija bi potencijalno moglo pomoći onkolozima koji se bave radijacijom u donošenju pravovremenih odluka.“
GAN pruža dugoročni uticaj na razvoj modela mašinskog učenja tako što zahteva manje podataka i praćenja pacijenata za efikasna predviđanja. Ovo je važno za smanjenje troškova zdravstvene zaštite i bolova povezanih sa ponovnim praćenjem.
Obrazloženje za korišćenje GAN-a je korišćenje mogućnosti mašinskog učenja i generisanje digitalnih slika učenjem iz prethodnih praćenja (MRI slike i klinički parametri) i razumevanjem i predviđanjem progresije bolesti ili obrazaca regresije.
„Tehnički, tehnologija razvijena ovde je prvi početak izgradnje sofisticiranijih modela ‘povećavanja podataka’ gde se nove digitalne slike mogu koristiti u daljoj analizi. Ovo je rana faza naše studije, ali rezultati su izuzetno obećavajući,“ dr. – reče Arora.
Dr Arora i njegove kolege su sproveli studiju koristeći MRI prostate i digitalnu patologiju iz različitih izvora kao podatke za obuku za kreiranje GAN modela. Koristeći duboko učenje, obučili su model da segmentira granicu prostate na MRI i histološkim rezovima, koji su mikroskopske strukture tkiva.
Naučnici sa različitim stepenom iskustva procenili su dobijene slike u poređenju sa konvencionalnim MRI slikama prostate. Istraživači su pokazali da su magnetne rezonancije raka prostate koje su generisale pomoću modela visokog kvaliteta. Segmentacija dubokog učenja pomogla je da se uklone slike sa velikim izobličenjem, što sugeriše da ovaj model GAN mašinskog učenja raka prostate ima obećavajuće implikacije za kompleksno snimanje pacijenata sa rakom prostate.
„Naša grupa na Institutu Desai Sethi i Silvester predvode ovo istraživanje tako što uspešno razvijaju prilagođeni GAN za generisanje sintetičkih slika dovoljno visokog kvaliteta za upotrebu u praksi“, rekao je dr Arora. „Ove slike se koriste za obuku tradicionalnih modela mašinskog učenja koji bi mogli da izvrše dijagnozu i prognozu raka prostate korišćenjem internih podataka iz ispitivanja aktivnog nadzora i javno dostupnih podataka iz više izvora.
Dr Arora i njegov tim su predstavili svoje istraživanje o upotrebi GAN-a u snimanju raka prostate na velikim medicinskim konferencijama, uključujući godišnje sastanke Američkog društva za ljudsku genetiku i Američkog urološkog udruženja 2022. godine.
