文章僅限註冊會員閱讀
close

AI 融入放射治療 腫瘤輪廓勾畫更即時

0

在進行放射治療之前,放射腫瘤科醫師會先仔細檢查患者的醫療圖像,以確定腫瘤總體積以及疾病的可觀察區域,因為這些區域可以隱藏癌細胞並提供它轉移(metastasis)路徑,所以他們接著設計周患者特異性臨床靶體積,包含周圍組織,這整個過程被稱為輪廓勾畫(contouring)。可以確定患者接受多少輻射量以及它如何傳遞。然而,在醫師診斷頭頸癌(head and neck cancer)患者時,卻是一項特別敏感的任務,因為頭頸部附近存在脆弱的組織。

5 月 9 日,由德州大學奧斯汀分校德克薩斯高級計算中心(Texas Advanced Computing Center, TACC)和 MD 安德森癌症中心組成的研究團隊指出,他們開發了一種能透過人工智慧(artificial intelligence, AI)以及深度神經元網路(deep neural networks)來自動輪廓勾畫高風險臨床靶體積的方法,此研究刊登於《International Journal of Radiation Oncology˙Biology˙Physics》。

該研究團隊挑選從 2006 年 1 月至 2010 年 8 月在 MD Anderson 接受過治療的 52 名口咽癌(oropharyngeal cancer)患者並且分析他們的臨床數據,然後再透過患者的腫瘤總體積以及臨床腫瘤體積來輪廓勾畫其放射治療效果。

該研究團隊 Carlos Cardenas 博士候選人研發出一套能使用自動編碼器的深度學習演算法(deep learning algorithm)。就像神經網絡一樣,該深度學習演算法能呈現數據集,並且辯識和重新建立醫生輪廓勾畫的模式。該系統以總腫瘤體積和周圍解剖結構的距離地圖資訊(distance map information)作為輸入來源,然後它將數據分類以確認立體像素(voxels)為高風險臨床靶體積的一部分。

該研究團隊指出,他們的深度學習系統呈現的結果與受過培訓的腫瘤醫師預測結果相似,僅有些許的差異或完全相同,而且能應用在臨床上,也能減少醫生之間的診斷差異。此外,該系統也能大幅提升醫師的診斷效率,目前 MD 安德森癌症中心的放射腫瘤醫師需 2 ~ 4 個小時來確認臨床靶體積,原因在於需要其他醫生同行審查,盡可能降低疾病的風險。然而,TACC 使用 Maverick 超級電腦,能在一分鐘內確認臨床靶體積。

簡言之,深度學習融入癌症治療是一件很棒的事,除了縮短臨床醫師診斷時間,也幫助患者能更更即時獲得治療。

延伸閱讀:未來疾病檢測,AI 技高一籌?

GENExsports

參考資料:
1. International Journal of Radiation Oncology˙Biology˙Physics 2018; 101 (2): 468 DOI: 10.1016/j.ijrobp.2018.01.114
2. https://www.tacc.utexas.edu/-/an-ai-oncologist-to-help-cancer-patients-worldwide

©www.geneonline.news. All rights reserved. 基因線上版權所有 未經授權不得轉載。合作請聯繫:service@geneonlineasia.com

Share.

Leave A Reply