ग्लियोमास: एक एल्गोरिथ्म के लिए बेहतर उपचार प्रतिक्रिया का धन्यवाद

पृष्ठभूमि

ग्लियोमा ब्रेन ट्यूमर है। इसका उपचार विभिन्न तरीकों से किया जा सकता है: उदाहरण के लिए विकिरण के साथ, कीमोथेरेपी के साथ, शल्यचिकित्सा के साथ, कीमोराडोथेरेपी या प्रयोगात्मक रूप से। हालांकि, हर ग्लियोमा एक प्रकार के उपचार के लिए समान रूप से प्रतिक्रिया नहीं करता है। यही कारण है कि तरीकों की आवश्यकता होती है जो ट्यूमर के उपचार की प्रतिक्रिया का यथासंभव विश्वसनीय रूप से अनुमान लगा सकते हैं। ट्यूमर का विकास वैज्ञानिकों और चिकित्सकों के इलाज में विशेष रुचि है।

अब तक, ब्रेन ट्यूमर का एमआरआई छवियों का उपयोग करके विश्लेषण किया गया है। इस प्रयोजन के लिए, तथाकथित RANO मानदंड (न्यूरो-ऑन्कोलॉजी में रिस्पांस असेसमेंट) का अधिक से अधिक बार उपयोग किया गया था, और एमआरआई छवियों का मुख्य रूप से दो-डिमेसिनल और मैन्युअल रूप से विश्लेषण किया गया था। इन मानदंडों का उपयोग यह अनुमान लगाने के लिए किया जा सकता है कि ट्यूमर कितनी देर तक प्रगति-मुक्त रहने की संभावना है। हालाँकि, यह तकनीक अपने साथ कुछ समस्याएं लेकर आती है, क्योंकि यह इस धारणा पर आधारित है कि ट्यूमर गोलाकार रूप से विकसित होते हैं और यह ट्यूमर के आयतन के बारे में बयान देने के लिए उन्हें दो-मापक रूप से मापने के लिए पर्याप्त है। हालांकि, कई ट्यूमर सभी दिशाओं में समान रूप से विकसित नहीं होते हैं क्योंकि वे अपने पर्यावरण और उपचार से दृढ़ता से प्रभावित होते हैं। इसलिए, वे अक्सर जटिल आकार लेते हैं और अनिसोट्रोपिक रूप से बढ़ते हैं। परिणामस्वरूप, द्वि-आयामी माप अपनी सीमा तक पहुंच जाता है। हालांकि, तीन आयामी माप के तरीके अभी तक हर रोज नैदानिक ​​उपयोग के लिए उपयुक्त नहीं हैं।

लक्ष्य की स्थापना

आसपास की टीम ने डॉ। अपने अध्ययन में, हीडलबर्ग विश्वविद्यालय अस्पताल से फिलिप किंकरगेडर और हीडलबर्ग में जर्मन कैंसर अनुसंधान केंद्र ने खुद को एक कृत्रिम तंत्रिका नेटवर्क (एएनएन) [1] का उपयोग करके एक एल्गोरिथम विकसित करने का लक्ष्य निर्धारित किया। यह एल्गोरिदम मात्रात्मक रूप से एमआरटी रिकॉर्डिंग का पूरी तरह से स्वचालित रूप से विश्लेषण करने और प्रगति-मुक्त समय का अनुमान लगाने के साथ-साथ ग्लियोमा में उपचार की प्रतिक्रिया का अनुमान लगाने में सक्षम होना चाहिए। उद्देश्य ट्यूमर के मैनुअल मूल्यांकन की सीमाओं को कम करना है। एल्गोरिथ्म को क्लिनिक-संगत सॉफ़्टवेयर बुनियादी ढांचे में एम्बेड किया जाना चाहिए।

क्रियाविधि

पहले चरण में, वैज्ञानिकों ने पूर्वनिर्धारित मानदंडों के अनुसार स्वतंत्र रूप से और मानकीकृत तरीके से एमआरआई छवियों का विश्लेषण करने के लिए कृत्रिम बुद्धिमत्ता सिखाने के लिए हीडलबर्ग यूनिवर्सिटी अस्पताल में histologically पुष्टि की glioblastomas के साथ 455 रोगियों के डेटा का उपयोग किया। इनपुट के रूप में, एएनएन को चार अलग-अलग एमआरआई अनुक्रमों को खिलाया गया था, जिसके लिए रेडियोलॉजिस्ट ने पहले से ट्यूमर सेगमेंटेशन मास्क विकसित किया था।

उसके बाद हीडलबर्ग में हिस्टोलॉजिकल रूप से पुष्ट किए गए ग्लियोब्लास्टोमा या निम्न श्रेणी के ग्लियोमा से इलाज किए गए 40 अन्य रोगियों से अनुदैर्ध्य डेटा सेट के आधार पर एल्गोरिथ्म की जाँच की गई और RANO द्वारा प्राप्त परिणामों के साथ सांख्यिकीय रूप से पूर्वव्यापी रूप से तुलना की गई। एक ही समय में, टीम ने एल्गोरिथ्म को एक दूसरे चेक पर मल्टीकेंटर डेटा का उपयोग करके देखा। ऐसा करने के लिए, उन्होंने EORTC-26101 अध्ययन में 38 संस्थानों के 532 रोगियों से कुल 2,034 एमआरआई छवियों का उपयोग किया। दोनों डेटा सेटों के लिए, कृत्रिम बुद्धिमत्ता ने ट्यूमर वॉल्यूम की स्थानिक और लौकिक गतिशीलता को निर्धारित किया और स्वचालित रूप से समय की अवधि की गणना की जब तक कि ट्यूमर प्रगति नहीं करेगा। वैज्ञानिकों ने उपचार के दौरान प्राप्त किए गए रैनो-आधारित परिणामों के साथ डाइस गुणांक की मदद से सांख्यिकीय रूप से इन परिणामों की तुलना की।

एक अंतिम चरण में, डॉ। कींटगेडर और उनके सहयोगियों ने अपने अध्ययन के परिणामों के आधार पर एक सीधे प्रयोग करने योग्य सॉफ़्टवेयर अवसंरचना विकसित की और रोगियों के साथ एक नकली नैदानिक ​​वातावरण में इसका परीक्षण किया।

परिणाम

सांख्यिकीय रूप से मूल्यांकन किया गया, ANN ने विपरीत-वर्धित ट्यूमर के लिए 0.89 का एक मंझला पासा गुणांक प्राप्त किया और हीडलबर्ग डेटा सेट के लिए MRI में गैर-संवर्धित T2 सिग्नल असामान्यता के लिए 0.93, और EORTC-26101 अध्ययन से डेटा सेट के लिए 0.91 और 0.93 प्राप्त किया। । प्रगति-मुक्त समय का अनुमान लगाने के लिए, चिकित्सा प्रतिक्रिया के ANN- आधारित मात्रात्मक मूल्यांकन RANO- आधारित समग्र अस्तित्व की तुलना में काफी बेहतर था। मूल्यांकन की विश्वसनीयता में 36% सुधार हुआ था।

रोगियों के साथ एक नकली क्लिनिक में ट्यूमर की चिकित्सा प्रतिक्रिया की गणना करने के लिए, कृत्रिम बुद्धि को प्रति स्कैन दस मिनट के कंप्यूटर समय की आवश्यकता थी।

निष्कर्ष

“पूरे यूरोप से 534 ग्लियोब्लास्टोमा रोगियों के 2,000 से अधिक एमआरआई परीक्षाओं के मूल्यांकन से पता चलता है कि हमारे कंप्यूटर-आधारित दृष्टिकोण से मैनुअल माप की पारंपरिक विधि के साथ चिकित्सा प्रतिक्रिया का अधिक विश्वसनीय मूल्यांकन संभव है। हम 36 प्रतिशत तक मूल्यांकन की विश्वसनीयता में सुधार करने में सक्षम थे। यह नैदानिक ​​परीक्षणों में चिकित्सा प्रभावकारिता के इमेजिंग-आधारित मूल्यांकन के लिए महत्वपूर्ण हो सकता है। हमारी नई विधि ने डॉ। फिलिप किंकरगेडर [2] को समझाते हुए समग्र अस्तित्व की अधिक सटीक भविष्यवाणी करना भी संभव बनाया।

परिणामों को एक मजबूत प्रणाली में बदलने के लिए जो रोजमर्रा के उपयोग के लिए उपयुक्त है और नैदानिक ​​निदान के लिए पर्याप्त रूप से परीक्षण किया गया है, सिस्टम को अब संभावित नैदानिक ​​अध्ययनों में खुद को साबित करना होगा। कंपनी की अपनी जानकारी के अनुसार, यह अब एक अध्ययन के हिस्से के रूप में लागू किया जा रहा है जिसका उद्देश्य हीडलबर्ग में जर्मन कैंसर रिसर्च सेंटर और नेशनल सेंटर फॉर ट्यूमर डिजीज (एनसीटी) में ग्लियोब्लास्टोमा के रोगियों के उपचार में सुधार करना है।

!-- GDPR -->