Biomarkery obrazowania oparte na SI rewolucjonizują leczenie najmłodszych pacjentów onkologicznych
Transformacja cyfrowa w sektorze opieki zdrowotnej, której cele są osiągane dzięki postępowi technologicznemu, przyczynia się do poprawy opieki nad pacjentem, usprawnienia procesów administracyjnych i zwiększenia ogólnej wydajności świadczenia usług zdrowotnych skoncentrowanych na pacjencie. Cyfryzacja polega między innymi na wdrożeniu elektronicznej dokumentacji medycznej, rozwiązań telemedycznych, metod diagnostycznych opartych na sztucznej inteligencji (SI) oraz narzędzi analityki danych. Powyższe zmiany, którym towarzyszą stałe postępy w dziedzinie diagnostyki obrazowej, mogą się przełożyć na znaczną poprawę skuteczności diagnozowania i leczenia nowotworów złośliwych, korzystnie wpływając na jakość życia pacjentów.
Platforma chmurowa do spersonalizowanego zarządzania chorobami
Finansowany przez Unię Europejską projekt PRIMAGE powstał z myślą o lepszym diagnozowaniu, prognozowaniu i leczeniu nowotworów dziecięcych, takich jak neuroblastoma i rozlany naciekający glejak mostu (DIPG), agresywny guz pnia mózgu. Głównym celem było opracowanie opartej na chmurze, wysokoprzepustowej platformy obliczeniowej do wspomagania spersonalizowanego zarządzania klinicznego. Naukowcy wykorzystali retrospektywne dane obrazowe, kliniczne, molekularne i genetyczne z różnych europejskich oddziałów onkologii dziecięcej i Europejskiego Towarzystwa Onkologii Dziecięcej do opracowania modeli sztucznej inteligencji, które następnie połączyli w kompleksowe narzędzie wspomagające podejmowanie decyzji. „Naszym głównym celem było przełożenie multidyscyplinarnych i wieloskalowych danych na predyktory wspomagające spersonalizowane podejmowanie decyzji”, stwierdza koordynator projektu Luis Martí-Bonmatí.
Obliczeniowa analiza obrazów medycznych
Obrazowanie onkologiczne jest idealną metodą badania i walidacji nowych biomarkerów, biorąc pod uwagę jego częste zastosowanie w obrazowaniu, klasyfikacji i określaniu stopnia zaawansowania nowotworów, a także monitorowaniu indywidualnej odpowiedzi na leczenie. Konsorcjum projektu wyodrębniło ilościowe biomarkery obrazowania oraz biomarkery molekularne z biopsji tkankowych i płynnych wykonanych u pacjentów, u których stwierdzono neuroblastomę lub DIPG. Następnie dane te zostały ponownie wykorzystane w biobankach danych obrazowych. Uczonym udało się pokonać wyzwania techniczne związane z uzyskaniem powtarzalnych danych obrazowych w znormalizowanym formacie, co zaowocowało opracowaniem wspólnych metod gromadzenia i oceny tych biomarkerów, aby na ich podstawie wyodrębnić bardziej uogólnione trendy. W efekcie zebrano dane dotyczące 1 148 przypadków neuroblastomy i 71 przypadków DIPG, a także zidentyfikowano cechy radiomiczne, które korelowały z określonymi punktami końcowymi badań klinicznych. „Neuroblastoma i DIPG to rzadkie nowotwory dziecięce, więc zebranie wystarczającej ilości danych na potrzeby szkolenia modelu SI było dość trudnym zadaniem”, przyznaje Martí-Bonmatí. Proces ten ostatecznie doprowadził do opracowania i przeszkolenia modeli SI łączących biomarkery molekularne, biologiczne i genomiczne z danymi obrazowymi i klinicznymi, które umożliwiają przewidywanie różnych efektów klinicznych. Ponadto uczeni opracowali wieloskalowe modele do symulacji wzrostu guza i połączyli zaawansowane środowisko wizualizacji z opracowaną infrastrukturą. „PRIMAGE to pierwszy projekt, w ramach którego udało się stworzyć protokoły przetwarzania obrazu i z powodzeniem zidentyfikować biomarkery obrazowania, które posłużyły do zbudowania systemu wspomagania decyzji z myślą o pacjentach pediatrycznych chorujących na raka”, podkreśla Martí-Bonmatí.
Wspólne europejskie przedsięwzięcia w dziedzinie obrazowania raka
Projekt PRIMAGE dołączył do innych projektów finansowanych przez UE (Chaimeleon, EuCanImage, INCISIVE, ProCancer-I) w ramach sieci Artificial Intelligence for Health Imaging (AI4HI), która obejmuje 20 krajów, a jej celem jest stworzenie rozwiązań SI do analizy i interpretacji obrazów medycznych. Dzięki współpracy z głównymi europejskimi infrastrukturami badawczymi sieć AI4HI dąży do integracji rzeczywistych danych i wdrożenia solidnych oraz zgodnych z etyką i prawem rozwiązań SI na potrzeby diagnozowania nowotworów złośliwych. Następnym krokiem w procesie rozwijania platformy PRIMAGE jest jej integracja z europejską inicjatywą na rzecz obrazowania raka – European Federation for Cancer Images (EUCAIM) – największą infrastrukturą obrazowania nowotworów, jaką dysponuje Unia Europejska. Jej celem jest zapewnienie narzędzi oferujących bardziej precyzyjne i szybsze podejmowanie decyzji klinicznych. „Wierzymy, że dzięki tej integracji partnerzy projektu PRIMAGE będą mogli kontynuować gromadzenie danych i prowadzenie wspólnych badań przez wiele lat”, podsumowuje Martí-Bonmatí.
Słowa kluczowe
PRIMAGE, SI, diagnostyka, neuroblastoma, rozlany naciekający glejak mostu (DIPG), platforma chmurowa, obrazowanie, biomarker
