Гліоми: краще оцінити відповідь на лікування завдяки алгоритму

фон

Гліоми - це пухлини головного мозку. Лікувати його можна найрізноманітнішими способами: наприклад, променевою, хіміотерапією, хірургічним, хіміорадіотерапевтичним або експериментальним шляхом. Однак не кожна гліома однаково добре реагує на один вид лікування. Ось чому потрібні методи, які дозволяють максимально надійно передбачити відповідь на лікування пухлини. Зростання пухлин представляє особливий інтерес для вчених та лікуючих лікарів.

Наразі пухлини головного мозку аналізували за допомогою МРТ-зображень. Для цього дедалі частіше використовувались так звані критерії RANO (Response Assessment in Neuro-Oncology), а МРТ-зображення в основному аналізували двовимірно та вручну. За цими критеріями можна оцінити, як довго пухлина може залишатися без прогресування. Однак ця методика приносить із собою деякі проблеми, оскільки вона базується на припущенні, що пухлини ростуть сферично і що достатньо виміряти їх двовимірно, щоб зробити твердження про обсяг пухлини. Однак багато пухлин не ростуть рівномірно в усіх напрямках, оскільки на них впливає навколишнє середовище та лікування. Тому вони часто приймають складні форми і ростуть анізотропно. Як результат, двовимірне вимірювання досягає своїх меж. Однак тривимірні методи вимірювання поки що не придатні для повсякденного клінічного використання.

Постановка цілей

Команда навколо Dr. У своєму дослідженні Філіп Кікінгедерер з Університетської лікарні Гейдельберга та Німецького центру досліджень раку в Гейдельберзі поставив собі за мету розробити алгоритм із використанням штучної нейронної мережі (ANN) [1]. Цей алгоритм повинен мати можливість кількісно аналізувати записи МРТ повністю автоматично та оцінювати час без прогресування, а також прогнозувати відповідь на лікування при гліомах. Метою є зменшення обмежень ручної оцінки пухлин. Алгоритм повинен бути вбудований у сумісну з клінікою програмну інфраструктуру.

методологія

На першому етапі вчені використали дані 455 пацієнтів з гістологічно підтвердженими гліобластомами в Університетській лікарні Гейдельберга, щоб навчити штучний інтелект аналізувати зображення МРТ самостійно та у стандартизованому порядку відповідно до заздалегідь визначених критеріїв. В якості вхідних даних ANN отримували чотири різні послідовності МРТ, для яких рентгенологи заздалегідь розробили маску для сегментації пухлини.

Потім алгоритм перевіряли на основі поздовжніх наборів даних від 40 інших пацієнтів, які отримували лікування в Гейдельберзі з гістологічно підтвердженою гліобластомою або гліомою низького ступеня тяжкості, і статистично ретроспективно порівнювали з результатами, отриманими RANO. У той же час команда провела повторну перевірку алгоритму з використанням багатоцентрових даних. Для цього в дослідженні EORTC-26101 вони використали загалом 2034 МРТ-знімки 532 пацієнтів з 38 інститутів. Для обох наборів даних штучний інтелект кількісно визначав просторову та часову динаміку об’єму пухлини та автоматично обчислював період часу, поки пухлина не буде прогресувати. Вчені також порівняли ці результати статистично за допомогою коефіцієнта Dice з результатами на основі RANO, отриманими під час лікування.

На завершальному етапі доктор Кікікедерінг та його колеги розробили безпосередньо придатну для використання програмну інфраструктуру на основі результатів своїх досліджень та протестували її в змодельованому клінічному середовищі з пацієнтами.

Результати

Статистично оцінено, ANN отримав середній коефіцієнт Dice 0,89 для контрастних пухлин та 0,93 для не посилених аномалій сигналу Т2 в МРТ для наборів даних Гейдельберга та 0,91 та 0,93 для наборів даних з дослідження EORTC-26101 . Для того, щоб оцінити час без прогресування, кількісна оцінка терапевтичної відповіді на основі ANN була значно кращою, ніж загальна виживаність на основі RANO. Надійність оцінки була покращена на 36%.

Для того, щоб розрахувати терапевтичну відповідь пухлин у імітованій клініці з пацієнтами, штучному інтелекту потрібно було десять хвилин комп'ютерного часу на сканування.

Висновок

«Оцінка понад 2000 обстежень за допомогою МРТ 534 хворих на гліобластому з усієї Європи показує, що наш комп’ютерний підхід дозволяє отримати більш надійну оцінку реакції на терапію, ніж це було б можливо за допомогою звичайного методу ручного вимірювання. Нам вдалося підвищити надійність оцінки на 36 відсотків. Це може мати вирішальне значення для оцінки ефективності терапії в клінічних випробуваннях на основі візуалізації. Наш новий метод також дозволив точніше прогнозувати загальну виживаність ", - пояснює доктор Філіп Кікінгедердер [2].

Для того, щоб перетворити результати на надійну систему, придатну для повсякденного використання, яка була достатньо апробована для клінічної діагностики, система тепер повинна зарекомендувати себе в перспективних клінічних дослідженнях. Згідно з власною інформацією компанії, це зараз проводиться в рамках дослідження, спрямованого на вдосконалення лікування хворих на гліобластому в Німецькому дослідницькому центрі раку та Національному центрі пухлинних захворювань (НКТ) у Гейдельберзі.