Дослідники розробили систему штучного інтелекту для прогнозування рецидиву пухлин мозку у дітей за допомогою послідовних МРТ-сканувань. Застосувавши новий метод «часового навчання», який обробляє кілька післяопераційних зображень, ШІ значно перевершив традиційні моделі, що аналізують лише одне сканування. Такий підхід обіцяє зменшити кількість непотрібних обстежень і тривогу родин, а також дозволити раніше і точніше втручання при високому ризику рецидиву. Очікується проведення клінічних випробувань для підтвердження ефективності в реальних умовах.
Перспективи ШІ в діагностиці дитячих пухлин мозку
Штучний інтелект (ШІ) дедалі більше цінується за здатність аналізувати великі обсяги медичних зображень, часто виявляючи закономірності, які можуть залишитися непоміченими навіть досвідченими лікарями. У лікуванні дитячих гліом — виду пухлин мозку, які зазвичай піддаються лікуванню, але іноді рецидивують — ШІ має потенціал покращити моніторинг пацієнтів.
Дослідники з Mass General Brigham у співпраці з Boston Children’s Hospital та Dana-Farber/Boston Children’s Cancer and Blood Disorders Center розробили глибинну модель, яка аналізує серії знімків мозку після лікування. ШІ навчили розпізнавати ранні ознаки можливого рецидиву пухлини. Результати дослідження були нещодавно опубліковані в журналі The New England Journal of Medicine AI.
Виклик: передбачення рецидиву
«Багато дитячих гліом виліковуються лише хірургічним шляхом, але у випадку рецидиву наслідки можуть бути катастрофічними», — пояснив провідний автор Бенджамін Канн, доктор медичних наук, програма AIM при Mass General Brigham. «Дуже важко передбачити, хто має ризик рецидиву, тому пацієнтам роками призначають часті обстеження за допомогою МРТ. Це є стресовим і обтяжливим процесом для дітей та їхніх родин. Нам потрібні кращі інструменти для ранньої ідентифікації пацієнтів із найвищим ризиком рецидиву.»
Загальнонаціональна співпраця для навчання розумнішого ШІ
Оскільки дитячі онкологічні захворювання є рідкісними, дослідження часто стикаються з проблемою обмежених даних. Щоб подолати це, дослідники об’єднали зусилля з іншими установами США, зібравши майже 4000 МРТ-сканів від 715 дітей. Для максимального використання цих даних вони застосували метод «часового навчання», який дозволяє ШІ аналізувати, як змінюються знімки мозку дитини після операції, що підвищує точність прогнозування рецидиву.
Впровадження часового навчання у медичну візуалізацію
Зазвичай моделі ШІ навчаються робити висновки на основі одного зображення; при часовому навчанні — вперше у медичній візуалізації — алгоритм аналізує серію знімків у часовій послідовності. Спочатку модель навчали правильно розташовувати післяопераційні знімки в хронологічному порядку, щоби вона навчилася розпізнавати тонкі зміни. Потім модель донавчали, щоб правильно співвідносити ці зміни з майбутнім рецидивом пухлини, де це доречно.
Часове навчання підвищує точність
Врешті-решт дослідники встановили, що їхня модель на основі часового навчання змогла передбачити рецидив як низькодиференційованих, так і високодиференційованих гліом з точністю 75–89% через рік після лікування — значно краще, ніж моделі на основі одного знімка (~50%, тобто рівень випадкового вгадування).
Додавання більшої кількості часових точок покращувало точність, але після 4–6 сканів ефект стабілізувався.
Перехід до клінічного впровадження та майбутні випробування
Дослідники застерігають, що перед клінічним використанням потрібна додаткова перевірка в інших медичних установах. У майбутньому вони сподіваються провести клінічні випробування, щоб оцінити, чи можуть прогнозування за допомогою ШІ покращити догляд за пацієнтами — наприклад, зменшити частоту обстежень для найменш ризикових пацієнтів або раніше почати цілеспрямоване додаткове лікування для тих, хто має високий ризик рецидиву.
Поза межами пухлин мозку: широкі можливості ШІ
«Ми показали, що ШІ здатний ефективно аналізувати і прогнозувати результати на основі серії зображень, а не лише одного скану», — зазначив перший автор Дів’яншу Так, магістр наук, програма AIM при Mass General Brigham. «Цей підхід може знайти застосування у багатьох ситуаціях, де пацієнтам регулярно виконують серійні обстеження, і ми раді бачити, що ще надихне цей проєкт.»
