Врачи больницы Адденбрука в Кембридже стремятся резко сократить время ожидания при раке с помощью искусственного интеллекта (ИИ) для автоматизации длительной подготовки к лучевой терапии.
Технология искусственного интеллекта, известная как InnerEye, является результатом восьмилетнего сотрудничества между исследователями из Кембриджского исследовательского центра Microsoft Research, больницы Адденбрука и Кембриджского университета.
InnerEye призван сэкономить врачам много часов времени на кропотливую разметку сканированных изображений пациентов перед лучевой терапией. Команда продемонстрировала, как модели машинного обучения (ML), построенные с использованием технологии с открытым исходным кодом InnerEye, могут сократить время подготовки до 90%, а это означает, что время ожидания начала потенциально жизненно важного лечения лучевой терапией может быть значительно сокращено.
Секретарь здравоохранения и социального обеспечения Мэтт Хэнкок сказал: "Новые инновации, подобные этой, могут иметь большое значение для пациентов, и я горжусь тем, что мы снова лидируем в новых методах лечения рака.
"Помощь людям в более быстром лечении невероятно важна и не только улучшит показатели выздоровления, но и сэкономит драгоценное время клиницистам, чтобы они могли сосредоточиться на уходе за пациентами.
"Внедрение новых технологий поможет спасти жизни и жизненно важно для устойчивости NHS, и наш долгосрочный план NHS будет продолжать предоставлять пациентам наилучшее возможное лечение, чтобы мы могли предлагать более быстрое, персонализированное и эффективное лечение рака для всех."
Доктор. Радж Джена из отделения онкологии Кембриджского университета и онколог из Addenbrooke’s, который руководит InnerEye, сказал: "Эти результаты меняют правила игры. Быть диагностированным с опухолью любого типа – невероятно травматичный опыт для пациентов. Поэтому, как врачи, мы хотим незамедлительно начать лучевую терапию, чтобы повысить выживаемость и снизить тревожность. Использование инструментов машинного обучения может сэкономить время занятых врачей и помочь нашим пациентам как можно быстрее начать лечение."
Доктор. Ивонн Риммер, также из Адденбрука, сказала: "Нет сомнений в том, что InnerEye экономит мне время. Он очень хорошо понимает, где находятся опухоли и здоровые органы. Это ускоряет процесс, поэтому я могу сосредоточиться на просмотре диагностических изображений пациента и подбирать для них лечение.
До половины населения Великобритании в какой-то момент своей жизни будет диагностирован рак. Из них половина будет лечиться лучевой терапией, часто в сочетании с другими видами лечения, такими как хирургия, химиотерапия и все чаще иммунотерапия.
Лучевая терапия включает в себя фокусировку пучков излучения высокой интенсивности для повреждения ДНК твердых раковых опухолей, избегая при этом окружающих здоровых органов. Это очень важный инструмент, так как около 40% успешно вылеченных пациентов проходят курс лучевой терапии в той или иной форме.
Планирование лучевой терапии может быть длительным процессом. Он начинается с трехмерной компьютерной томографии (компьютерной томографии) части тела, на которую будет нацеливаться. Эти КТ-изображения представлены в виде стопок двухмерных изображений глубиной в несколько десятков изображений, каждое из которых должно быть исследовано и размечено онкологом-радиологом или техническим специалистом. Этот процесс называется контурным. На каждом изображении эксперт должен вручную нарисовать контурную линию вокруг опухолей и ключевых здоровых органов, подверженных риску, в целевой области, используя специальное компьютерное программное обеспечение. В сложных случаях планирование лечения отдельного пациента может занять несколько часов.
Эта задача сегментации изображения является фактором, ограничивающим скорость лечения рака при лучевой терапии, что увеличивает время для клиницистов и финансовые затраты для больниц. Поскольку эта задача является субъективной, у экспертов и учреждений могут быть значительные различия, в которых протоколы обследования и демографические данные пациентов различаются. Это ограничение на использование изображений в клинических испытаниях и может внести разнообразие в уход за пациентами.
Исследование, опубликованное командой в JAMA Network Open, подтверждает, что модели InnerEye ML могут точно и быстро выполнять длительную «сегментацию изображения», требующую многих часов времени опытных клиницистов.
Глава отдела медицинских исследований Microsoft Research Адитья Нори сказал: "Мы считаем, что это первый раз, когда NHS Trust внедрила собственное решение для глубокого обучения, обученное на их собственных данных, чтобы его можно было использовать на своих пациентах. Это прокладывает путь для большего числа трастов NHS, чтобы воспользоваться преимуществами инструментов искусственного интеллекта с открытым исходным кодом, чтобы сократить время лечения рака."
Набор инструментов InnerEye Deep Learning Toolkit был предоставлен Microsoft в качестве бесплатного программного обеспечения с открытым исходным кодом.
Хотя модели машинного обучения, разработанные с использованием этого инструмента, необходимо тестировать и валидировать в каждом отдельном медицинском учреждении, врачи из больниц Кембриджского университета (CUH) продемонстрировали, как эту технологию можно применить в клинических условиях.