Cercetătorii au dezvoltat un model bazat pe inteligență artificială (AI) care, în 10 secunde, poate determina, în timpul unei intervenții chirurgicale, dacă a mai rămas vreo parte a unei tumori cerebrale canceroase care ar putea fi îndepărtată, sugerează un studiu publicat miercuri în revista Nature.
Tehnologia, botezată FastGlioma, a depășit cu mult metodele convenționale pentru identificarea potențialelor tumori reziduale, potrivit echipei de cercetare conduse de Universitatea din Michigan și Universitatea din California San Francisco, scrie News.ro
„FastGlioma este un sistem de diagnostic bazat pe AI care are potențialul de a schimba domeniul neurochirurgiei prin îmbunătățirea imediată a managementului cuprinzător al pacienților cu gliom difuz”, a declarat autorul principal, dr. Todd Hollon, neurochirurg la spitalul universitar din Michigan (U-M) și conf. univ. dr. în neurochirurgie la facultatea de medicină a U-M.
Potrivit autorilor, „tehnologia funcționează mai rapid și mai precis decât metodele actuale standard pentru detectarea tumorilor și ar putea fi generalizată la alte diagnostice de tumori cerebrale pediatrice și adulte, și ar putea servi ca un model de bază pentru ghidarea chirurgiei tumorilor cerebrale”.
Atunci când un neurochirurg îndepărtează din creierul unui pacient o tumoră care îi pune viața în pericol, rareori reușește să îndepărteze întreaga masă.
Ceea ce rămâne este cunoscut sub numele de tumoră reziduală.
De obicei, tumora este omisă în timpul operației deoarece chirurgii nu pot face diferența între creierul sănătos și tumora reziduală din cavitatea din care a fost îndepărtată masa. Capacitatea tumorii reziduale de a semăna cu țesutul cerebral sănătos rămâne o provocare majoră în chirurgie.
Echipele neurochirurgicale utilizează diferite metode pentru a localiza tumora reziduală în timpul unei proceduri.
Se pot obține imagini RMN, care necesită aparatură intraoperatorie care nu este disponibilă peste tot. Chirurgul ar putea folosi, de asemenea, un agent de imagistică fluorescent pentru a identifica țesutul tumoral, care nu este aplicabil pentru toate tipurile de tumori. Aceste limitări împiedică utilizarea lor pe scară largă.
În acest studiu internațional al tehnologiei bazate pe inteligență artificială, echipele neurochirurgicale au analizat specimene proaspete, neprocesate, prelevate de la 220 de pacienți care au fost operați pentru gliom difuz de grad scăzut sau înalt.
FastGlioma a detectat și a calculat cantitatea de tumoră rămasă cu o precizie medie de aproximativ 92%.
Într-o comparație a operațiilor ghidate de predicțiile FastGlioma sau de metodele ghidate de imagini și fluorescență, tehnologia AI a omis tumora reziduală cu risc ridicat în doar 3,8% din cazuri, comparativ cu o rată de eroare de aproape 25% pentru metodele convenționale.
„Acest model este o abatere inovatoare de la tehnicile chirurgicale existente prin identificarea rapidă a infiltrării tumorale la rezoluție microscopică cu ajutorul AI, reducând considerabil riscul de a rata tumora reziduală în zona în care este rezecat un gliom”, a completat coautorul principal dr. Shawn Hervey-Jumper, profesor de neurochirurgie la Universitatea din California San Francisco (UCSF) și fost rezident de neurochirurgie la spitalul U-M.
„Dezvoltarea FastGlioma poate minimiza dependența de imagistica radiografică, intensificarea contrastului sau etichetele fluorescente pentru a obține îndepărtarea maximă a tumorii”, spun autorii studiului.
Cum funcționează
Pentru a evalua ce rămâne dintr-o tumoră cerebrală, FastGlioma combină imagistica optică microscopică cu un tip de AI numită model de fundație. Acestea sunt modele AI, precum GPT-4 și DALL-E 3, antrenate pe seturi de date masive și diverse, care pot fi adaptate la o gamă largă de sarcini.
După o instruire pe scară largă, modelele de bază pot clasifica imagini, pot acționa ca chatbots, pot răspunde la e-mailuri și pot genera imagini din descrieri text.
Pentru a construi FastGlioma, cercetătorii au pre-antrenat modelul vizual de bază folosind peste 11.000 de specimene chirurgicale și 4 milioane de câmpuri microscopice unice de vizualizare.
Specimenele tumorale sunt reprezentate prin histologie Raman stimulată, o metodă de imagistică optică rapidă, de înaltă rezoluție, dezvoltată la U-M. Aceeași tehnologie a fost utilizată pentru a antrena DeepGlioma, un sistem de screening diagnostic bazat pe AI care detectează mutațiile genetice ale unei tumori cerebrale în mai puțin de 90 de secunde.
„FastGlioma poate detecta țesutul tumoral rezidual fără a se baza pe proceduri histologice consumatoare de timp și pe seturi mari de date etichetate în AI medicală, care sunt rare”, a precizat Honglak Lee, coautor și profesor de informatică și inginerie la U-M.
Obținerea imaginilor cu rezoluție maximă durează aproximativ 100 de secunde utilizând histologia Raman stimulată; o imagine cu rezoluție mai mică în „mod rapid” durează doar 10 secunde.
Cercetătorii au constatat că modelul cu rezoluție completă a obținut o precizie de până la 92%, iar modul rapid a fost ușor mai scăzut, la aproximativ 90%.
„Asta înseamnă că putem detecta infiltrarea tumorală în câteva secunde, cu o precizie extrem de ridicată, ceea ce ar putea informa chirurgii dacă este necesară o rezecție mai mare în timpul unei operații”, a explicat dr. Hollon.
Viitorul AI în cancer
În ultimii 20 de ani, ratele de tumoră reziduală după neurochirurgie nu s-au îmbunătățit.
Tumora reziduală nu numai că duce la o calitate mai proastă a vieții și la un deces mai timpuriu pentru pacienți, dar crește povara asupra unui sistem de sănătate care anticipează 45 de milioane de proceduri chirurgicale anuale necesare la nivel mondial până în 2030.
Inițiativele globale privind cancerul au recomandat încorporarea noilor tehnologii, inclusiv a metodelor avansate de imagistică și AI, în chirurgia cancerului.
În 2015, Comisia The Lancet Oncology privind chirurgia globală a cancerului a remarcat că „nevoia de aplicații rentabile pentru abordarea marginilor chirurgicale în chirurgia cancerului oferă un impuls puternic pentru tehnologii noi”.
Nu numai că FastGlioma este un instrument accesibil și la prețuri convenabile pentru echipele neurochirurgicale care operează glioame, dar cercetătorii spun că, de asemenea, poate detecta cu exactitate tumora reziduală pentru mai multe diagnostice tumorale non-glioame, inclusiv tumorile cerebrale pediatrice, cum ar fi meduloblastomul și ependimomul, și meningioamele.
„Aceste rezultate demonstrează avantajul modelelor de fundație vizuală, cum ar fi FastGlioma, pentru aplicațiile AI medicale și potențialul de a se generaliza la alte tipuri de cancer uman, fără a necesita o reantrenare extinsă a modelului sau o reglare fină”, a declarat coautorul dr. Aditya S. Pandey, președintele departamentului de neurochirurgie de la spitalul U-M.
În studiile viitoare, cercetătorii se vor concentra pe aplicarea fluxului de lucru FastGlioma la alte tipuri de cancer, inclusiv cancerul pulmonar, de prostată, de sân și cele din zona ORL (de cap și de gât).
