Пациенты, как правило, должны ждать от нескольких дней до недели, чтобы начать терапию, пока врачи вручную разрабатывают планы лечения. Но новое исследование UT Southwestern показывает, как усовершенствованные модели глубокого обучения упростили этот процесс до доли секунды.
«Некоторым из этих пациентов необходима немедленная лучевая терапия, но врачам часто приходится просить их пойти домой и подождать», – говорит доктор философии Стив Цзян, руководящий лабораторией медицинского искусственного интеллекта и автоматизации (MAIA) UT Southwestern. «Достижение оптимальных планов лечения в режиме, близком к реальному времени, важно и является частью нашей более широкой миссии использовать ИИ для улучшения всех аспектов лечения рака».
Лучевая терапия является распространенной формой лечения рака, которая использует лучи высокой радиации, чтобы разрушить раковые клетки и уменьшить опухоли. Предыдущие исследования показывают, что отсрочка этой терапии даже на неделю может увеличить вероятность повторения или распространения некоторых видов рака на 12-14 процентов.
Такая статистика побудила команду Цзяна изучить методы использования ИИ для улучшения нескольких аспектов лучевой терапии – от первоначальных планов дозировки, требуемых до начала лечения, до пересчетов дозы, которые происходят в ходе выполнения плана.
Цзян рассказывает, что разработка сложного плана лечения может быть трудоемким и утомительным процессом, который включает тщательный анализ данных визуализации пациента и несколько этапов обратной связи в медицинской бригаде.
Новое исследование лаборатории MAIA по прогнозированию дозы, опубликованное в Medical Physics, продемонстрировало способность ИИ составлять оптимальные планы лечения в течение пяти сотых секунды после получения клинических данных для пациентов.
Ученые обучили ИИ мгновенно генерировать трехмерные изображения того, как лучше всего распределить лучевую терапию для больных раком. Технология может позволить пациентам начать лечение раньше, тем самым уменьшая вероятность распространения рака.
Исследователи достигли этого путем подачи данных для 70 пациентов с раком простаты в четыре модели глубокого обучения. Благодаря повторению ИИ научился разрабатывать трехмерные изображения того, как наилучшим образом распределить излучение у каждого пациента. Каждая модель точно предсказывала планы лечения, разработанные медицинской командой.
Исследование основано на других работах MAIA, опубликованных в 2019 году, которые сосредоточены на разработке планов лечения рака легких и головы и шеи.
«Наш ИИ может вырезать многое из того, что происходит между врачом и специалистом по дозировке», – говорит Цзян. «Это значительно повышает эффективность».
Второе новое исследование Цзяна, также опубликованное в «Медицинской физике», показывает, как ИИ может быстро и точно пересчитать дозы перед каждым сеансом облучения, принимая во внимание, как анатомия пациента могла измениться с момента последней терапии. Обычный точный пересчет иногда требует, чтобы пациенты ждали 10 минут или более, в дополнение к времени, необходимому для проведения анатомической визуализации перед каждым сеансом.
Исследователи Цзяна разработали алгоритм искусственного интеллекта, который объединил две традиционные модели, которые использовались для расчета дозы: простую, быструю модель, которой не хватало точности, и сложную модель, которая была точной, но требовала гораздо более длительного времени, часто около получаса.
Недавно разработанный ИИ оценил различия между моделями – на основе данных от 70 пациентов с раком простаты – и узнал, как использовать скорость и точность для генерации расчетов в течение одной секунды.
UT Southwestern планирует использовать новые возможности искусственного интеллекта в клинической помощи после внедрения интерфейса пациента. Тем временем, MAIA Lab разрабатывает инструменты глубокого обучения для нескольких других целей, в том числе для улучшения медицинской визуализации и обработки изображений, автоматизированных медицинских процедур и улучшения диагностики заболеваний и прогнозирования результатов лечения.