Tehnografi.com - Технологические новости, обзоры и советы
[adinserter block="67"]

Контурирование глубокого обучения для достижения цели лучевой терапии

Любители макияжа, возможно, знают, что контуринг нужен только для того, чтобы подчеркнуть черты лица, но одноименная техника используется для определения чрезвычайно точного курса лучевой терапии. После того, как врачи определили размер и форму опухоли в схематических деталях, контурирование помогает им спроектировать конкретные целевые объемы для лучевой терапии.

Идея глубокого обучения для улучшения чрезвычайно трудоемких и трудоемких задач разработана и импровизирована исследователями из Онкологического центра доктора медицины Андерсона Техасского университета в Хьюстоне. Контурирование осуществляется путем изучения медицинских изображений опухоли и, соответственно, определения конкретных целевых объемов слухов и окружающих тканей, которые помогают определить точное количество используемой радиации. Однако это приводит к увеличению степени совершенства и значительному риску человеческой ошибки. Если опухоль расположена в уязвимом месте, небольшое дополнительное облучение затронет соседние здоровые ткани. Если количества радиации недостаточно, чтобы уничтожить опухоль, она может продолжать расти.

Контурирование также является чрезвычайно субъективным делом; то есть это варьируется от врача к врачу. Исследователи доктора медицинских наук Андерсона разработали процесс глубокого обучения для объективного подхода к задачам контурной обработки. Их подход, основанный на искусственном интеллекте, позволит контролировать вариабельность результатов различных медицинских работников и предотвращать предвзятость, уменьшая вероятность пропуска целевой опухоли или чрезмерного лечения нормальных тканей.

Исследователи использовали графические процессоры NVIDIA Tesla на суперкомпьютере Maverick в Техасском центре перспективных вычислений (TACC) и библиотеку глубокого обучения Tensorflow с ускорением cuDNN для анализа данных 52 пациентов с раком ротоглотки.

«Если бы мы сделали это на нашем местном графическом процессоре, это заняло бы два месяца», — сказал Карлос Карденас, доктор философии. исследователь, работающий с главным исследователем Лоуренсом Кортом из MD Anderson, в интервью TACC. «Но мы смогли распараллелить процесс и провести оптимизацию для каждого пациента, отправив эти пути в TACC, и именно здесь мы обнаружили множество преимуществ, используя систему TACC».

Эта основанная на алгоритмах сеть для идентификации и воссоздания физических структур контуров эффективна и нейтральна. Эта разработка будет иметь важное значение в лечении рака, поскольку сделает лучевую терапию целенаправленной и эффективной, а также уменьшит неопределенность и повредит здоровые ткани. Автоматизация трудоемких процессов, таких как контурирование и планирование лучевого лечения, может значительно улучшить уход за пациентами в клиниках с низкими ресурсами, многие из которых находятся в странах с низким и средним уровнем дохода из-за ее экономической эффективности.

Следующие шаги исследователей заключаются в том, чтобы перевести этот процесс в клиническое применение, в конечном итоге предоставив врачам более качественную информацию, которая может привести к улучшению лечения пациентов и улучшению результатов.

Это цель, к которой они стремятся, и для этого они разрабатывают помощника по планированию лучевой терапии – полностью автоматизированный инструмент планирования лучевой терапии, который, как мы надеемся, будет запущен в партнерских онкологических центрах в странах с низкими доходами к началу следующего года.