SON DAKİKA

Nvdia

“Derin Öğrenme Yapay Zekası, Cerrahi Olmadan Meme Kanseri Yayılımını Tespit Ediyor”

Yeni Derin Öğrenme Modeli Cerrahiye İhtiyacı Azaltıyor

Texas Üniversitesi Southwestern Tıp Merkezi’nden araştırmacılar, yeni bir derin öğrenme modeli geliştirdi. Bu model, kanser hücrelerinin yayılıp yayılmadığını, özellikle de yakınlardaki lenf düğümlerine metastaz yapma durumunu belirlemek için cerrahi müdahale gereksinimini azaltabilir. AI aracı, zaman serisi MR’ları ve klinik verileri analiz ederek metastazı tespit ediyor. Bu, hekimlerin tedavi planlamasında kritik, noninvaziv bir destek sağlıyor. Bu gelişme, daha hızlı ve doğru kanser değerlendirmeleri yaparak, pek çok hastanın gereksiz cerrahilerden kaçınmasına ve sonuçların iyileşmesine yardımcı olabilir.

Metastatik Meme Kanseri ve Erken Teşhis

Metastatik meme kanseri, meme kanseri ile ilgili ölümlerin en büyük sebebidir. ABD’de erken evre meme kanseri teşhisi konan her üç kadından biri metastatik kanser gelişimi ile karşılaşıyor. Ancak, erken tespit ve tedavi, hastalığın ilerleyişini yavaşlatabilir, doktorların ve hastaların semptomları yönetmesine yardımcı olabilir ve tedavilerin etkinliğini artırabilir.

Sentinel Lenf Düğümesi Biyopsisi Yöntemi

Doktorlar genellikle kanserin lenf düğümlerine yayıldığını kontrol etmek için sentinel lenf düğümü biyopsisi (SLNB) yöntemini kullanıyor. Bu prosedür, kanserin bulunduğu bölgeye boya ve radyoaktif bir çözüm injekte ederek, tümör bölgesine ilk olarak drain olan sentinel düğümleri belirlemeyi içeriyor. Bu düğümler daha sonra cerrahi olarak çıkarılıyor ve biyopsi yapılıyor. Eğer sentinel düğümlerde kanser hücreleri bulunursa, bu durum kanserin lenfatik sisteme yayıldığını ve dolayısıyla daha ileri yayılabileceğini gösteriyor. Bu bilgi, doktorların hastaya en uygun tedavi planını belirlemesine yardımcı oluyor.

SLNB, etkili bir yöntem olsa da, invazivdir ve anestezi, radyasyon maruziyeti, şişlik, ağrı gibi riskler taşımaktadır.

Noninvaziv Bir Alternatif: 4D Derin Öğrenme Modeli

SLNB’ye noninvaziv ve güvenilir bir alternatif oluşturmak adına, araştırmacılar özel bir dört boyutlu konvolüsyonel sinir ağı (4D CNN) geliştirdi. Model, lenf düğümlerine yayılması yeni belirtiler gösteren 350 kadın hastadan elde edilen dinamik kontrastlı MR (DCE-MRI) ve klinik verilerle eğitildi.

Araştırmacılar, karmaşık bu 4D derin öğrenme modelini Nucleus Compute Cluster üzerine kurup eğitmek için Texas Üniversitesi Southwestern Tıp Merkezi’nin yüksek performanslı hesaplama altyapısını kullandı. Modelin oluşturulmasında NVIDIA A100 Tensor Core ve NVIDIA V100 Tensor Core GPU’ları kullanıldı.

NVIDIA Kıdemli HPC Mühendisi Paniz Karbasi, “Geliştirdiğimiz derin öğrenme modeli oldukça karmaşıktı ve yüksek eğitim verimliliği ile görüntü iyileştirme ve gürültü azaltma için GPU’lar esastı” diye belirtti.

Four boxes showing how the model processes breast cancer MRIs .
Şekil 1. Hacimsel dinamik kontrastlı MR görüntüsü, tümörün sınırlanması, kübik hacme kesilmesi ve zaman noktaları arasında fark görüntüleri hesaplayarak tümörün iyileştirilmesi gibi adımları içerir.

Bu AI modeli, 3D MR taramalarından alınan verileri dört boyutta işliyor ve zaman içindeki değişimleri göz önünde bulunduruyor. Model, çoklu görüntüleri zaman içinde analiz ederek tümör ve çevresindeki lenf düğümlerinin özelliklerini öğreniyor. Ayrıca, yaş, tümör derecesi ve meme kanseri belirteçleri gibi klinik verileri entegre ederek, kanser içermeyen veya kanserli lenf düğümleriyle ilişkili kalıpları doğru bir şekilde tanımlayabiliyor.

“Çalışmamızın en önemli yanı, görüntüleme verileri açısından yalnızca ana tümörle ilgili verilere odaklanmamızdır, ek aksiller görüntüleme kullanmamaktayız” diyen çalışma baş yazarı Dogan Polat, Texas Üniversitesi Southwestern Tıp Merkezi’nde bulunduğu süre zarfında bu çalışmayı yürüttü. Polat, “Amaçlarımız, ek görüntülemeyi azaltmak ve hastaların invaziv prosedürlerinin sayısını azaltmaktır.” şeklinde ekledi.

Bu model, lenf düğümü metastazını %89 doğrulukla tespit ediyor ve radyologları ve diğer görüntüleme tabanlı modelleri geride bırakıyor. Ayrıca, meme kanseri hastalarının gereksiz sentinel düğüm biyopsileri ve aksiller lenf düğümü diseksiyonu (ALND) geçirmelerini önleme potansiyeline sahip, bu da prosedürle ilişkili riskleri, komplikasyonları ve kaynakları azaltır.

Polat’a göre, araştırmacıların bir sonraki adımı, modelin gerçek dünya verileri toplamak için kullanılması olacak. Bu, modelin etkinliğini doğrulamaya ve daha geniş uygulama alanları bulmaya yardımcı olacaktır.

Çalışmayı okumak için “Meme Kanserinde Lenf Düğümü Metastazının Makine Öğrenmesi ile Tahmin Edilmesi: Çok Kurumlu Bir MRI Tabanlı 4D Konvolüsyonel Sinir Ağı Performansı” başlıklı makaleyi okuyabilirsiniz.

Kaynak

Nvdia Blog

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri