بر اساس مقاله‌ای که اخیراً در مجله پزشکی هسته‌ای منتشر شد، یک گروه تحقیاتی از کشور آلمان یک مدل هوش مصنوعی برای تصویربرداری PET ایجاد کرده‌اند که میتواند به پزشکان کمک کند تا تشخیص دهند آیا بیماران به درمان‌های تومور مغزی پاسخ می‌دهند یا خیر.
محققان نشان دادند که یک مدل هوش مصنوعی مبتنی بر یادگیری عمیق میتواند به طور خودکار حجم تومور متابولیک (MTV) را در تصویربرداری PET مغز بخش بندی کند.
به پیشنهاد آنان این رویکرد میتواند جایگزین پیش پردازش تصاویر توسط پزشکان شود. این گروه نوشت: این نوع بخش بندی F-18-FET PET مبتنی بر یادگیری عمیق، امکان ارزیابی مطمئن، قوی و کاملا خودکار MTV را در بیماران مبتلا به تومورهای مغزی فراهم می‌آورد.
ارزیابی تغییرات MTV با استفاده از اسکن PET بوسیله رادیوداروهای مبتنی بر اسید آمینه مانند F-18 فلورواتیل تیروزین (FET)، ابزار مهمی برای ارزیابی پاسخ درمانی در بیماران مبتلا به تومور مغزی محسوب می‌شود.
هدف این گروه در این مطالعه، توسعه روشی برای بخش بندی خودکار MTV و ارزیابی عملکرد آن برای بررسی پاسخ در بیماران مبتلا به گلیوما (یکی ازتومورهای اولیه سیستم عصبی مرکزی است که در نخاع یا مغز بروز می‌کند و منشا تومور از سلول‌های یاخته گلیال است. شایعترین محل تومور گلیوما مغز است) بود.
محققان در مجموع 699 اسکن F-18-FET-PET از 555 بیمار مبتلا به تومور مغزی را که پیشتر تشخیص اولیه دریافت کرده بودند یا در طی پیگیری‌های بعدی، بیماری برایشان تشخیص داده شد، مورد بررسی قرار دادند. متخصصان باتجربه پزشکی هسته‌ای ابتدا MTV را در تصاویر به گونه ای بخش بندی کردند که شامل ضایعاتی با جذب کم تا زیاد رادیوداروی F-18-FET بود.
یافته‌ها حاکی از آن است که به طور کلی مدل به امتیاز F1 متوسط 91 درصد، حساسیت 93 درصد و ارزش اخباری مثبت 95 درصد برای تشخیص ضایعه دست یافته است.
به گفته محققان: نتایج این پژوهش بر ارزش این شبکه برای بهبود و خودکارسازی تصمیم گیری بالینی بر اساس ارزیابی حجمی اسید آمینه در تصویربرداری PET، صحه می‌گذارد.
نویسندگان خاطرنشان کردند که مزیت این مدل این است که به گونه‌ای طراحی شده است که بخش بندی سه بعدی را با استفاده از یک اسکن F-18-FET PET و یک واحد پردازش گرافیکی معمولی در کمتر از دو دقیقه بدون نیاز به پیش پردازش و به صورت کاملاً خودکار انجام می‌دهد. این مهم نشان از کارآمدی آن در عمل بالینی دارد.
این گروه نتیجه گیری کرد: دستاورد اصلی مطالعه حاضر این است که شبکه عصبی مبتنی بر این یادگیری عمیق امکان تشخیص قابل اعتماد و کاملاً خودکار و بخش بندی سه بعدی تومورهای مغزی که توسط F-18-FET PET بررسی شده است را فراهم می‌آورد.
منبع: Aunt Minnie
