网站 Banner

        在放射治疗中，精确可以挽救生命。 肿瘤学家在提供高剂量辐射以破坏癌细胞同时保留健康组织之前，必须仔细绘制肿瘤的大小和位置。 但这个过程称为肿瘤分割，仍然是手动完成的，需要时间，因医生而异，并且可能导致关键肿瘤区域被忽视。

         Now 是西北医学科学家团队开发了一种名为 iSeg 的 AI 工具，它不仅可以准确匹配医生在 CT 扫描中概述肺肿瘤，但也可以识别一些医生可能遗漏的区域，一项大型新研究报告。 与早期专注于静态图像的 AI 工具不同，iSeg 是第一个被证明可以随着每次呼吸移动而对肿瘤进行分割的 3D 深度学习工具——这是规划放射治疗的关键因素，美国一半的癌症患者患有放射治疗。 在他们生病期间收到。

         “我们离比我们任何人都更精确的癌症治疗又近了一步就在十年前想象的，“资深作者博士说。 Mohamed Abazeed，西北大学范伯格医学院放射肿瘤学主席兼教授。

         “这项技术的目标是为我们的医生提供更好的工具，”Abazeed 补充道，他领导着一个研究团队开发数据驱动的工具，以个性化和改进癌症治疗，并且是 Robert H 的成员。 西北大学卢里综合癌症中心。

         该研究今天（6 月 30 日）发表在杂志npj 精准肿瘤学。

         iSeg 是如何构建和测试的

         西北大学的科学家使用 CT 扫描和医生绘制的肿瘤轮廓来训练 iSeg，这些患者来自西北医学和克利夫兰诊所卫生系统内 9 个诊所接受治疗的数百名肺癌患者。 这远远超出了过去许多研究中使用的小型单一医院数据集。

         训练后，AI 在以前从未见过的患者扫描中进行了测试。 然后将其肿瘤轮廓与那些由医生绘制的。 研究发现，iSeg 始终与不同医院和扫描类型的专家大纲相匹配。 它还标记了一些医生遗漏的其他区域——如果不及时治疗，这些遗漏的区域与更糟糕的结果有关。 这表明 iSeg 可能有助于捕捉经常被忽视的高风险区域。

         “准确的肿瘤靶向是安全有效的放射治疗的基础，即使是靶向的微小错误也会影响肿瘤控制或导致不必要的毒性，“Abazeed 说。

         “通过自动化和标准化肿瘤轮廓勾画，我们的 AI 工具可以帮助减少延误，确保医院之间的公平性，并可能识别医生可能错过的领域——最终改善患者护理和临床结果，”第一作者、Feinberg 高级研究技术专家、拥有理学硕士学位的 Sagnik Sarkar 补充道 来自西北大学的人工智能。

         临床部署可能“在几年内”

        研究团队目前正在临床环境中测试 iSeg，将其性能与医生实时比较。 他们还整合了用户反馈等功能，并努力将技术扩展到其他肿瘤类型，例如肝癌、脑癌和前列腺癌。 该团队还计划将 iSeg 应用于其他成像方法，包括 MRI 和 PET 扫描。

         “我们认为这是一个基础工具，可以标准化和增强放射肿瘤学中肿瘤的靶向方式，尤其是在获得亚专科专业知识的机会有限的环境，“Feinberg 放射肿瘤学讲师、合著者 Troy Teo 说。

         Teo 补充道：“这项技术可以帮助支持跨机构更一致的护理，我们相信临床部署可以在几年内实现。

         这项研究的标题为“放疗中自动化、运动分辨肿瘤分割的深度学习”。