Новый инструмент искусственного интеллекта для ПЭТ-визуализации позволяет проводить высококачественную, полностью автоматизированную оценку опухолей головного мозга.

Согласно новому исследованию, опубликованному в октябрьском выпуске журнала Nuclear Medicine, новый инструмент искусственного интеллекта обеспечивает полностью автоматизированный, простой в использовании и объективный способ обнаружения и оценки опухолей головного мозга . Алгоритм сегментации на основе глубокого обучения, разработанный для использования с ПЭТ-сканированием аминокислот, также может оценивать реакцию пациентов с опухолью головного мозга на лечение с качеством, сравнимым с таковым у опытного врача, но за гораздо более короткие сроки.

ПЭТ становится все более важной в диагностике опухолей головного мозга , дополняя структурную МРТ. За последние годы несколько исследований продемонстрировали диагностическую ценность метаболического объема опухоли для оценки ответа на лечение у пациентов с опухолями головного мозга. Однако, поскольку измерение изменений метаболического объема опухоли головного мозга требует много времени, оно обычно не является частью рутинной клинической оценки.

«Тот факт, что метаболический объем опухоли обычно не оценивается в клинической практике, позволяет предположить, что время и усилия, необходимые для объемной сегментации аминокислот с помощью ПЭТ, по-прежнему превышают клиническую пользу», — сказал Филипп Ломанн, доктор философии, доцент кафедры медицинской физики. и руководитель группы количественного анализа изображений и искусственного интеллекта в Институте нейронаук и медицины, исследовательский центр в Юлихе, Германия.

«В ответ наша команда разработала алгоритм сегментации на основе глубокого обучения для надежной и полностью автоматизированной объемной оценки данных ПЭТ аминокислот и оценила его эффективность для оценки ответа у пациентов с глиомами».

Исследователи ретроспективно оценили 699 ¹⁸ ПЭТ-сканирований F-FET (при первоначальном диагнозе или во время последующего наблюдения) у 555 пациентов с опухолями головного мозга. Алгоритм сегментации на основе глубокого обучения был настроен на обучающем и тестовом наборе данных, и были измерены изменения в метаболическом объеме опухоли. Кроме того, алгоритм был применен к данным недавно опубликованного ¹⁸ исследований F-FET ПЭТ по оценке ответа у пациентов с глиобластомой, получавших адъювантную химиотерапию темозоломидом. Оценка ответа алгоритма затем сравнивалась с оценкой опытного врача, как сообщается в исследовании.

В наборе тестовых данных алгоритм правильно идентифицировал 92% поражений с повышенным поглощением и 85% поражений с изометрическим или гипометаболическим поглощением. Изменение метаболического объема опухоли, обнаруженное алгоритмом, было важным фактором, определяющим безрецидивную и общую выживаемость, в соответствии с оценкой врача.

«Эти результаты подчеркивают ценность алгоритма сегментации на основе глубокого обучения для улучшения и автоматизации принятия клинических решений на основе объемной оценки аминокислот ПЭТ», — заявил Ломанн. «Инструмент сегментации, разработанный в нашем исследовании, может стать важной платформой для дальнейшего продвижения аминокислотной ПЭТ и повышения ее клинической ценности, что может дать пациентам с опухолью головного мозга доступ к важной диагностической информации, которая ранее была недоступна или которую было трудно получить».

Для облегчения клинической реализации алгоритм сегментации доступен бесплатно и может быть выполнен на обычном компьютере с графическим процессором менее чем за две минуты без предварительной обработки. «Мы надеемся побудить и поддержать лечащих врачей в нейроонкологических центрах, чтобы они рассматривали ПЭТ с аминокислотами для своих пациентов, даже если у них мало или вообще нет предыдущего опыта», — сказал Ломанн. «Каждый пациент с опухолью головного мозга должен иметь доступ к ПЭТ с аминокислотами».