Kombinacija naprednog ultrazvuka i veštačke inteligencije mogla bi unaprediti dijagnostiku raka

Kombinacija naprednog ultrazvuka i veštačke inteligencije mogla bi unaprediti dijagnostiku raka

Istraživači su pokazali da automatizovana dijagnostička metoda raka, koja uparuje najsavremenije ultrazvučne tehnike sa veštačkom inteligencijom, može precizno dijagnostikovati rak štitne žlezde, od čega se svake godine javlja više od 40.000 novih slučajeva.

Metoda – koja se smatra mikrovaskulaturnom slikom visoke definicije ili HDMI – neinvazivno snima slike sićušnih sudova unutar tumora i, na osnovu karakteristika krvnih sudova, automatski klasifikuje mase. Istraživači sa Medicinskog i naučnog koledža klinike Mejo, koji su razvili ovu tehniku, testirali su je na 92 pacijenta sa tumorima štitaste žlezde, otkrivši da metoda može da razlikuje da li su izrasline kancerogene sa 89% tačnosti. U studiji objavljenoj u časopisu Cancers, autori sugerišu da bi HDMI potencijalno mogao da reši dugogodišnji dijagnostički izazov procene tumora štitaste žlezde u klinici.

„Pošto vam HDMI omogućava da objektivno razlikujete benigne nodule od malignih, to bi u velikoj meri moglo poboljšati dijagnostičku tačnost i smanjiti broj nepotrebnih operacija koje se sada rade“, rekla je autorka studije Azra Alizad, MD, profesor radiologije i biomedicinskog inženjerstva na klinici Majo.

Dok su konvencionalni ultrazvučni pristupi – koji stvaraju slike tkiva i organa od zvukova koji se odbijaju od njih – vešti u otkrivanju tumora štitaste žlezde, zdravstvenim radnicima je trenutno teško da odrede koliki bi razlog za zabrinutost tumor zaista trebalo da bude.

Ultrazvuk ne može lako da odvoji male zvukove koji dolaze iz sićušnih krvnih sudova, ili mikrovaskulature, od zvukova okolnog tkiva, iako mikrovaskulatura ima tragove o tome da li je masa kancerogena.

Negde između 60% i 80% pacijenata sa tumorima štitaste žlezde radi biopsiju, ali finansijski i potencijalni fizički tereti povezani sa ovim procedurama mogu biti nepotrebni za deo pacijenata sa benignim tumorima.

Istraživači su pokazali da dodavanje hemikalija zvanih kontrastni agensi, koje se lako vizualizuju i rutinski koriste u drugim medicinskim procedurama snimanja, omogućava ultrazvuku da otkrije detalje mikrovaskulature tumora, ali ove supstance moraju da se ubrizgavaju u pacijente i ponekad izazivaju nepovoljne neželjene efekte.

Dok novije ultrazvučne tehnike mogu proizvesti jasnije slike nodula, lekari ih na kraju moraju subjektivno proceniti.

„Tamo gde jedan lekar vidi malignitet, drugi bi mogao da zaključi da tumor ne predstavlja pretnju“, rekao je Alizad.

Zajedno sa kolegom Mostafom Fatemijem, profesorom biomedicinskog inženjerstva na klinici Majo, Alizad je nastojao da razvije jeftino, neinvazivno rešenje za snimanje koje daje merljive rezultate i minimizira greške. Da bi izvršili zadatak, razvili su HDMI, gde vrsta veštačke inteligencije koja se zove mašinsko učenje procenjuje slike visoke rezolucije tumorske mikrovaskulature.

Tehnika je ranije pokazala obećavajuće u donošenju tačnih zaključaka za tumore dojke. U novoj studiji, autori su testirali HDMI-jev otpor u štitnoj žlezdi procenjujući tumore kod 92 pacijenta.

Istraživači su slikali tumore pomoću HDMI-a i izmerili desetak karakteristika povezanih sa veličinom i oblikom mikrovaskulature na slikama, uključujući njihovu gustinu i broj tačaka grananja.

Pacijenti u studiji, uz doprinos svojih lekara, svi su izabrali da im se uradi biopsija tumora kako bi se utvrdio status maligniteta. Oni sa tumorima za koje je procedura pokazala da su kancerogeni, a zatim su podvrgnuti operaciji kako bi se uklonile mase.

Da bi naučili svoje algoritme za mašinsko učenje kako da procene da li je neka karakteristika ukazivala na ovaj ili onaj način, istraživači su im dali 70% podataka o slikama tumora pacijenata, zajedno sa statusom maligniteta, u suštini omogućavajući algoritmima da proučavaju sa ključem odgovora u ruku.

Putem pokušaja i grešaka, algoritmi su izgradili prediktivne modele, koje su autori studije postavili na zadatak, koristeći ih za određivanje statusa tumora snimljenih u preostalih 30% podataka.

HDMI-jeve klasifikacije su bile tačne u 89% vremena na osnovu kliničkih procena biopsija i operacija.

Nalazi ukazuju na to da bi HDMI mogao biti jači dijagnostički pristup od konvencionalnih sredstava i mogao bi spasiti dijelove pacijenata od nevolja nepotrebnih operacija u budućnosti.

Za sada, istraživači fino podešavaju metod kako bi dodatno poboljšali njegovu tačnost.

Učinak HDMI-ja u novoj studiji bio je dobar, ali ne savršen. Jedan od razloga je taj što je štitna žlezda blizu karotidne arterije, koja redovno pulsira, stvarajući pokrete koji mogu ometati ultrazvučna merenja, rekao je Alizad.

Tamo gde se pojavi još jedan izazov, istraživači vide još jednu priliku da mašinsko učenje pomogne, jer sada otkrivaju da bi to moglo biti pravi alat za uklanjanje efekata kretanja sa slika.

„Pronalazeći sinergiju između dve nove tehnologije, autori su razvili metod koji bi mogao da dovede do stvarnih poboljšanja u dijagnostici raka“, rekao je dr Rendi King, direktor programa za ultrazvuk u Odeljenju za primenjenu nauku i tehnologiju na Nacionalni institut za biomedicinsko snimanje i bioinženjering (NIBIB).

Uprkos obećavajućim nalazima, Alizad i njeni koautori i dalje nameravaju da pokriju novi teren sa HDMI-om. Posebno, oni imaju za cilj da prouče da li se to drži kada se dijagnostikuje druge vrste raka i da li može pomoći u praćenju koliko dobro kancerozni izrasli reaguju na hemoterapiju.