นักวิจัยชาวสวิสได้แสดงให้เห็นว่าอัลกอริธึมการเรียนรู้ด้วยเครื่องสามารถช่วยตรวจหามะเร็งปอด FDG-PET แบบอัตโนมัติได้อย่างเต็มที่ แม้จะจำลองปริมาณรังสีที่มีประสิทธิภาพต่ำมากที่ 0.11 mSv และสามารถทำได้โดยเสียค่าใช้จ่ายเพียงเล็กน้อยต่อความไวและความจำเพาะมะเร็งปอดเป็นมะเร็งรูปแบบหนึ่งที่พบได้บ่อยที่สุดและเป็นสาเหตุสำคัญของการเสียชีวิตจากมะเร็งทั่วโลก
ดังนั้น เทคนิคที่ผสมผสานกับปัญญาประดิษฐ์
(AI) ที่สามารถจับรอยโรคที่ปอดได้ตั้งแต่เนิ่นๆ ในขณะที่ยังคงรักษาได้ จะมีผลกระทบอย่างมากและแพร่หลายต่อผลลัพธ์ของผู้ป่วยและค่ารักษาพยาบาล ตามข้อมูลของกลุ่ม การพัฒนาต่อไปของ FDG-PET ในขนาดต่ำอาจช่วยปรับปรุงความจำเพาะของการตรวจคัดกรองมะเร็งปอดและยังเปิดประตูสู่การใช้งานอื่นๆ
Michael Messerli จากโรงพยาบาลมหาวิทยาลัยซูริก“เราสังเกตว่าด้วยการลดขนานยา FDG ที่จำลองขึ้น 30 เท่า เราสูญเสียความไวและความจำเพาะเพียงเล็กน้อยโดยใช้อัลกอริธึม AI” หัวหน้านักวิจัย Michael Messerli ประจำภาควิชาเวชศาสตร์นิวเคลียร์ของโรงพยาบาลมหาวิทยาลัยแห่งสหรัฐอเมริกา กล่าว ซูริค . “ประโยชน์ที่เป็นไปได้ของการตรวจคัดกรองมะเร็งปอดมีมาก รอยโรค T1 ขนาดเล็กเหล่านี้ที่มีขนาด 0 ซม. ถึง 3 ซม. สามารถรักษาและหายขาดได้ ซึ่งแตกต่างจาก 70% ถึง 80% ของเคสที่นำเสนอในแผนกที่เป็นมะเร็งปอดระยะสุดท้ายที่รักษาไม่หาย ความหวังระยะยาวที่เรามีคือสามารถปรับปรุงความจำเพาะของการตรวจคัดกรองมะเร็งปอดได้โดยใช้ข้อมูลจาก PET/CT ร่วมกับ AI ซึ่งอาจช่วยประหยัดค่าใช้จ่ายและมีแนวโน้มที่จะลดการนัดหมายติดตามผล”
Hybrid PET/CT ที่ใช้ F-18 FDG เป็นเรดิโอ
เทรเซอร์เป็นวิธีการถ่ายภาพที่เป็นที่ยอมรับสำหรับระยะของมะเร็งปอด และตอนนี้ก็มีบทบาทในการตรวจคัดกรอง ตาม Messerli ในส่วนแรกของการศึกษาย้อนหลัง นักวิจัยได้ประเมินความถูกต้องของอัลกอริธึมการเรียนรู้เชิงลึกสำหรับการตรวจหามะเร็งปอดแบบอัตโนมัติโดยใช้การสแกน FDG-PET ในส่วนที่สองของการศึกษา พวกเขาจำลองการฉีดขนาดยา FDG ที่ลดลง และประเมินผลกระทบต่อประสิทธิภาพของอัลกอริธึมการเรียนรู้เชิงลึกสำหรับการเลือกปฏิบัติมะเร็งปอด
กลุ่มนี้ประเมินข้อมูล FDG-PET ที่ได้มาจากการสแกน PET/CT ของผู้ป่วย 100 รายที่สแกนหามะเร็งปอดและมะเร็งอื่นๆ ในช่วงเดือนพฤษภาคม 2017 และมกราคม 2018 โดยในจำนวนนี้ 50 รายเป็นมะเร็งปอดที่ได้รับการพิสูจน์ทางจุลพยาธิวิทยา และ 50 รายไม่พบมะเร็งปอดหรือ รอยโรคอื่น ๆ ของปอด นักวิจัยได้ศึกษาประสิทธิภาพของโครงข่ายประสาทเทียมสำหรับจำแนกมะเร็งปอดในชิ้น PET ทั้งหมด 3936 ชิ้น ซึ่งรวมถึงภาพที่มองเห็นเนื้องอกในปอดและชิ้นภาพของผู้ป่วยที่ไม่มีมะเร็งปอด
และทำการจำลองขนาดต่ำใน กรกฎาคม 2018. อัลกอริธึมที่ใช้สำหรับการตรวจจับ AI คือเครือข่ายประสาทเทียมลึก Res-Net 34 ที่ได้รับการฝึกฝน ล่วงหน้า กลุ่มได้ฝึกอบรมเกี่ยวกับข้อมูล PET สำหรับการจำแนกมะเร็งปอดแบบไบนารี/ไม่มีมะเร็งปอดในเดือนกรกฎาคมและสิงหาคม 2561ผลลัพธ์กลุ่มนี้ประเมินประสิทธิภาพการวินิจฉัยของโครงข่ายประสาทเทียมโดยใช้ภาพขนาดยามาตรฐานทางคลินิก (PET 100% ) และด้วย ปริมาณรังสีที่ลดลง10 เท่า (PET 10% ) และ 30 เท่า (PET 3.3% ) (ประมาณ 0.11 mSv)
เครือข่ายการเรียนรู้เชิงลึกทำให้เกิดความ
น่าจะเป็นระหว่างมะเร็งปอดที่มีอยู่ (1) และไม่มีอยู่ (0) นักวิจัยได้วางแผนความน่าจะเป็นเหล่านั้นบนเส้นโค้งลักษณะการทำงานของตัวรับ (ROC) และคำนวณพื้นที่ใต้เส้นโค้ง (AUC) พวกเขาพบว่า AUC ของอัลกอริธึมการเรียนรู้เชิงลึกสำหรับการตรวจหามะเร็งปอดคือ 0.989 สำหรับภาพขนาดยามาตรฐาน (PET 100% ) 0.983 สำหรับการลดขนาดยา PET 10%และ 0.970 สำหรับการสร้าง PET 3.3%
การค้นพบที่สำคัญแสดงไว้ในตารางด้านล่าง:ประสิทธิภาพการวินิจฉัยประสิทธิภาพการวินิจฉัยที่ดัชนี Youden แต่ละรายการสำหรับขนาดยามาตรฐานและขนาดยาจำลอง PET ที่ลดลง NPV = ค่าพยากรณ์เชิงลบ PPV = ค่าพยากรณ์ที่เป็นบวก ข้อมูลที่แสดงเป็น n (%) การค้นพบทางเนื้อเยื่อวิทยาใช้เป็นโครงข่ายประสาทเทียมมีความไว 95.9% และ 91.5% ตามลำดับ และความจำเพาะ 98.1% และ 94.2% ที่ขนาดยามาตรฐานและขนาดยาต่ำพิเศษ PET 3.3%
ในการพูดคุยกับAuntMinnieEurope.com Messerli อธิบายว่าผลลัพธ์ที่มีแนวโน้มล่าสุดจากการทดลอง NELSON หมายความว่าการตรวจคัดกรองมะเร็งปอดในไม่ช้าอาจถูกพิจารณาว่าเป็นข้อเสนอที่จริงจังโดยรัฐในยุโรปหลายแห่ง ความได้เปรียบในอดีตของแผนกในการมีเทคโนโลยี PET ล่าสุด รวมกับการซื้อกิจการของแผนกในปี 2560 ของเครื่องตรวจจับ PET แบบดิจิตอลเครื่องแรกที่มีความไวต่อการสลายตัวของโพซิตรอนมากขึ้น ส่งผลให้กลุ่มมีความสนใจมากขึ้นในศักยภาพของ FDG-PET ในขนาดต่ำ เพื่อตรวจคัดกรองมะเร็งปอด
“เนื่องจากปริมาณของตัวติดตามถูกตรวจจับได้ไวกว่าด้วยเครื่องตรวจจับรุ่นล่าสุดนี้ เราสงสัยว่าเราจะลดปริมาณลงได้หรือไม่” เขากล่าว
นักวิจัยได้จำลองการลดขนาดยาโดยการไม่แสดงรายการข้อมูลโหมดรายการ สิ่งนี้ทำให้กลุ่มสามารถลดเวลาในการได้มาซึ่ง PET จาก 150 วินาทีของข้อมูลที่ได้รับ (มาตรฐานทางคลินิก) เป็น 15 วินาที (คิดเป็น 10%) และจากนั้นเหลือ 5 วินาที (คิดเป็น 3.3%) ของข้อมูลที่ได้รับขนานยาที่เทียบเท่า
“ในภาพจำลองขนาดยาอัลตร้าโลว์บางภาพ เรายังมองเห็นรอยโรคได้ด้วยตาเปล่า อย่างไรก็ตาม เราต้องการสำรวจความเป็นไปได้ที่อัลกอริธึมสามารถเรียนรู้ที่จะรับมือกับเสียงรบกวนได้ดีขึ้นและระบุรอยโรคได้ดีขึ้น” Messerli ชี้ให้เห็น นอกจากนี้เรายังต้องการตรวจสอบทั้งกรณีบวกและลบสำหรับความไวและความจำเพาะ: ไม่ว่า PET / CT ในปริมาณต่ำมากกับ AI จะจับมะเร็งปอดจริงทั้งหมดหรือไม่และเข้าใจผิดหรือไม่ว่าข้อมูลปกติสำหรับมะเร็งปอด
จากผลการวิจัยที่สำคัญของการศึกษานี้ นักวิจัยกำลังวางแผนการศึกษาในอนาคตในกลุ่มผู้ป่วยมะเร็งปอดระยะเริ่มต้น (ระยะที่ 1a เฉพาะที่) เพื่อประเมินว่าเมื่อใดที่สแกนซ้ำด้วยโปรโตคอลขนาดต่ำพิเศษและ AI พวกเขาสามารถตรวจพบปอดระยะเริ่มต้น โรคมะเร็ง. ในการศึกษานี้ ทีมงานยังหวังที่จะเปรียบเทียบการอ่าน AI กับผู้อ่านที่มีประสบการณ์และมีประสบการณ์น้อย เพื่อดูว่าอัลกอริทึมทำงานได้ดีเพียงใด การศึกษาตามแผนนี้ยังคงอยู่ระหว่างการประเมินความเป็นไปได้และการอนุมัติทางจริยธรรม
Credit : เกมส์ออนไลน์แนะนำ >>>เว็บสล็อตแตกง่าย
