Naukowcy z Washington University School of Medicine wykorzystują sztuczną inteligencję (AI) głębokiego uczenia się do klasyfikowania wspólnych guzów mózgu z wysokim stopniem dokładności przy użyciu pojedynczego skanowania rezonansu magnetycznego (MRI). Nowe, recenzowane badanie zostało przyjęte do publikacji w Radiology: Artificial Intelligence.
„Zgodnie z naszą najlepszą wiedzą, jest to pierwsze badanie, które zajmuje się najczęstszymi typami guzów wewnątrzczaszkowych i bezpośrednio określa klasę guza, jak również wykrywa brak guza z objętości 3D MR” – napisali naukowcy.
W ubiegłym roku odnotowano ponad 308 000 nowych przypadków raka mózgu i układu nerwowego oraz ponad 250 000 zgonów na całym świecie, zgodnie z raportem Global Cancer Statistics (GLOBOCAN) 2020. W Wielkiej Brytanii, według danych National Health Service (NHS), co roku u ponad 11 000 osób diagnozuje się pierwotnego guza mózgu. W Stanach Zjednoczonych, istnieje prawie 700.000 Amerykanów, którzy żyją z pierwotnym guzem mózgu, a średni wskaźnik przeżycia dla wszystkich pacjentów z nowotworami złośliwymi mózgu jest tylko 35 procent, zgodnie z raportem National Brain Tumor Society 2019.
„MRI może być stosowany jako uzupełnienie, lub w niektórych przypadkach alternatywa, do badania histopatologicznego ze względu na jego nieinwazyjną naturę i wysoki kontrast tkanek miękkich” – napisali badacze.
W tym badaniu naukowcy wykorzystali retrospektywne, deidentyfikowane dane z Washington University School of Medicine, oprócz zbiorów danych Brain Tumor Image Segmentation, The Cancer Genome Atlas Glioblastoma Multiforme i The Cancer Genome Atlas Low Grade Glioma.
Aby opracować i przetestować model, zespół skupił się na siedmiu klasyfikacjach, które obejmują klasę zdrową, a także sześć popularnych typów guzów mózgu: glejaki wysokiego stopnia, glejaki niskiego stopnia, przerzuty do mózgu, oponiaki, gruczolaki przysadki mózgowej i nerwiaki akustyczne.
Według American Association of Neurological Surgeons (AANS) istnieje ponad 150 udokumentowanych guzów mózgu. Do guzów łagodnych należą: chordoma, craniopharyngiomas, gangliocytoma, glomus jugulare, meningiomas, pineocytoma, pituitary adenomas i schwannomas.
Większość złośliwych guzów mózgu (78 proc.) to glejaki, których nazwa pochodzi od komórek glejowych (zwanych też neurogliami). Komórki glejowe są komórkami nieneuronalnymi, które nie generują impulsów elektrycznych i występują w ośrodkowym układzie nerwowym i obwodowym układzie nerwowym. Prawie połowa wszystkich glejaków to astrocytoma. Inne glejaki to: glioblastoma multiforme (GBM), ependymoma, medulloblastoma i oligodendroglioma.
Naukowcy opracowali trójwymiarową (3D) architekturę convolutional neural network (CNN) do klasyfikacji zdrowych i sześciu typów guzów wewnątrzczaszkowych, jak również walidacji jej wydajności.
„Model osiągnął wysoką dokładność na heterogenicznym zbiorze danych i wykazał doskonałe zdolności generalizacji na niewidzianych danych testowych” – piszą badacze. „Wyniki te sugerują, że głębokie uczenie jest obiecującym podejściem do zautomatyzowanej klasyfikacji i oceny guzów mózgu”.
W przypadku wewnętrznego zbioru danych testowych ze wszystkimi siedmioma klasyfikacjami obrazów, algorytm AI osiągnął dokładność ponad 93 procent, a czułości wahały się od 91-100 procent. Pozytywna wartość predykcyjna wahała się w przedziale 85-100 procent.
„Wyniki te sugerują, że głębokie uczenie jest obiecującym podejściem do zautomatyzowanej klasyfikacji i oceny guzów mózgu” – podali badacze.