ניתוח MRI מונע בינה מלאכותית מציע תובנות חדשות לגבי פרוגנוזה של סרטן הערמונית, חיזוי מדויק של סיכון לגרורות ותוצאות טיפול לשיפור הטיפול בחולים.
לִלמוֹד: נפח גידול שמקורו ב-AI מ-MRI רב-פרמטרי ותוצאות בסרטן ערמונית מקומי. קרדיט תמונה: Shutterstock AI / Shutterstock.com
במחקר שפורסם לאחרונה ב רדיולוגיהחוקרים קובעים האם מדידת נפח הגידול בתוך הערמונית באמצעות בינה מלאכותית (AI) מבוססת הדמיית תהודה מגנטית (MRI) יכולה לחזות תוצאות, כולל סיכון לגרורות, עבור חולי סרטן הערמונית שטופלו ברדיולוגיה או ניתוח.
התקדמות ב-MRI הופכת גילוי ואבחון סרטן הערמונית
MRI רב-פרמטרי משלב טכניקות MRI מרובות ליצירת תמונות מפורטות של אנטומיה פנימית. טכנולוגיית הדמיה זו שינתה את הניהול של סרטן הערמונית על ידי שיפור הזיהוי של מקרים חמורים תוך מזעור שיעור הגילוי של מחלות לא משמעותיות. ביופסיות מונחות MRI גם משפרות משמעותית את הדיוק של אבחוני סרטן.
מאפיינים שונים של סרטן הערמונית נצפו ב-MRI, חלקם כוללים דיווח על הדמיית הערמונית וציוני מערכת נתונים (PI-RADS), ציוני נגע ושלב T רדיולוגי, שהאחרון מציין את מידת התפשטות הגידול בתוך הערמונית . ניתוח מאפיינים אלה יכול להצביע על שיעורי הישנות פוטנציאליים של סרטן הערמונית; עם זאת, ההערכה של תכונות אלה משתנה בין הצופים. מערכות שונות לדירוג גידולים קשורות לדיוקים שונים, מה שמקשה עוד יותר על עקביות האבחון.
השימוש ב-AI יכול לשפר את הערך הקליני של MRI על ידי מתן ניתוח עקבי של תמונות. מחקרים אחרונים על מודלים של למידה עמוקה הצביעו על רמות דיוק דומות לזו של רדיולוגים מנוסים בהתווית גידולים בערמונית.
לגבי המחקר
מטרת המחקר הנוכחי הייתה לקבוע האם חישובים של נפחי גידול באמצעות גישות מבוססות בינה מלאכותית יכולים לספק תובנות פרוגנוסטיות עצמאיות לחולי סרטן הערמונית שעברו בעבר ניתוח או טיפול בקרינה. לאחר מכן הושוו תוצאות אלו לאלו שהתקבלו מהערכות MRI סטנדרטיות.
מחקר רטרוספקטיבי זה כלל חולי סרטן הערמונית שעברו סריקות MRI לפני שעברו כריתה רדיקלית של הערמונית או טיפול בהקרנות. נתוני המטופל נאספו מרשומות רפואיות והורכבו ממידע קליני, פתולוגי וטיפול, כולל סיווג הגידול על סמך ציוני PI-RADS וציוני National Comprehensive Cancer Network (NCCN).
כשל ביוכימי הוא עלייה ברמות האנטיגן הספציפי לערמונית (PSA) לאחר טיפולים כמו כריתה רדיקלית של הערמונית או טיפול בהקרנות. עבור המחקר הנוכחי, כשל ביוכימי הוגדר כעלייה בריכוזי PSA לפחות בשני ננוגרם/מ"ל מעל הרמה הנמוכה ביותר לאחר הטיפול לטיפול בהקרנות, והתקדמות קלינית או עלייה ב-PSA של לפחות 0.1 ננוגרם/מ"ל במקרים של כריתת ערמונית רדיקלית .
פילוחי התייחסות נוצרו באופן ידני על ידי אונקולוג בקרינה גניטורינארית, שתווה אזורי ערמונית כגון אזורים טרנסציוניים והיקפיים ונגעים עם ציוני PI-RADS של שלושה עד חמישה.
מודל ה-AI nnU-Net, שיטת פילוח מבוססת למידה עמוקה, הוכשרה לתחום אזורי ערמונית וגידולים מרצפי MRI שונים. לאחר מכן, המודל אומת באמצעות תת-קבוצה של תמונות של מטופלים שקיבלו טיפול קרינתי לפני שנבדקו על תמונות הן מקבוצות של טיפול בקרינה והן מקבוצות של כריתת ערמונית רדיקלית. נפחי גידול מבוססי AI חושבו לאחר מכן והשוו עם נפחי ייחוס שנוצרו עבור הפילוחים הידניים.
עבור הניתוחים הסטטיסטיים, השוואות בסיס בין קבוצות הטיפול בהצלבה ובין קבוצות הטיפול בהקרנות מבחן בוצעו על ידי הבדיקות המדויקות של Wilcoxon ו-Fisher's עבור משתנים רציפים ונתונים קטגוריים, בהתאמה. הרגישות והערכים החיזויים החיוביים שימשו להערכת הדיוק של מודל ה-AI בזיהוי גידול.
ממצאי המחקר
הנפח הכולל של גידול תוך ערמונית מחושב מקטעים שנוצרו על ידי מודל AI nnU-Net (VAI) היה מנבא עצמאי וחזק של תוצאות עבור חולים עם סרטן ערמונית מקומי שעברו טיפול בקרינה או כריתה רדיקלית של הערמונית. למעשה, הנפחים שנחזה על ידי AI היו קשורים באופן מובהק לגרורות ולכשל ביוכימי.
עבור קבוצת הטיפול בקרינה, VAI היה בעל דיוק ניבוי גבוה יותר עבור גרורות של שבע שנים בהשוואה לקבוצות סיכון מסורתיות. יתר על כן, המידע הפרוגנוסטי שסופק על ידי VAI היה ניתן להשוואה לנפח הגידול התוך ערמוני מפילוחי התייחסות ידניים, ובכך מעיד על עקביות תוצאותיו ומהימנותו ככלי לניבוי תוצאות המטופל. למרות שאלגוריתם AI החמיץ מדי פעם נגעים עם ציוני PI-RAD של חמישה, VAI נשאר רגיש לעומס מחלה משמעותי מבחינה קלינית.
היכולת של nnU-Net לחזות גרורות באמצעות VAI היה שווה או טוב יותר מזה של סמנים ביולוגיים גנומיים או פתולוגיים חישוביים. לפיכך, לכלי AI זה יש פוטנציאל לשפר את תכנון הטיפול על ידי זיהוי מטופלים שעשויים לדרוש גישות טיפול אישיות יותר או אגרסיביות יותר.
מסקנות
VAI נראה כי היא גישה עקבית ומבטיחה לניבוי פרוגנוזות במקרים של סרטן ערמונית מקומי לאחר שחולים עברו כריתה רדיקלית של הערמונית או טיפול בהקרנות.
הדיוק של VAI על פני תנאי הדמיה שונים ויכולת הניבוי האיתנה שלו מדגישה את הפוטנציאל שלו כתוסף או אפילו אלטרנטיבה לשיטות חיזוי רדיולוגיות או קליניות מסורתיות.
