Онколог AI, чтобы помочь больным раком во всем мире: суперкомпьютеры раньше разрабатывали, проверяли целевой идентификационный инструмент лечения для раковых образований в голове и шее

Известный как очерчивание, данный процесс устанавливает, сколько радиации больной возьмёт и как это будет поставлено. При рака головы и шеи это – особенно чувствительная задача из-за присутствия уязвимых тканей в близости.Не смотря на то, что это может казаться прямым, очерчивание клинических целевых количеств достаточно субъективно. Недавнее изучение из Утрехтского университета отыскало широкую изменчивость в том, как обученные доктора очертили обследование способом компьютерной томографии (CT) того же самого больного, принудив некоторых докторов предложить рискованные клинические целевые количества, в восьмеро больше, чем их коллеги.

Эта изменчивость межврача – неприятность для больных, каковые смогут быть сверх – либо под – дозируются на базе врача, с которым они трудятся. Это – кроме этого неприятность для определения способов самая успешной практики, так, стандарты ухода смогут показаться.

Сравнительно не так давно, Карлос Карденас, кандидат доктора философии и научного сотрудника выпускника в Онкологическом центре МД Андерсона Техасского университета в Хьюстоне, Техас, и команде исследователей в МД Андерсоне, трудящемся под наблюдением Суда Лоуренса при помощи Национальных Университетов Здоровья, создал новый способ для автоматизации очерчивания рискованных клинических целевых количеств, применяя ИИ и глубокие нейронные сети.Они информируют о собственных итогах в выпуске в июне 2018 Интернационального издания Радиации Oncology*Biology*Physics.Работа Карденаса сосредотачивается на переводе процесса принятия ответов доктора в компьютерную программу. «У нас имеется большое количество клинических данных и радиационных информации о замысле лечения терапии в МД Андерсоне», сообщил он. «В случае если мы думаем о проблеме умным методом, мы можем копировать образцы, каковые отечественные доктора применяют, дабы разглядывать определенные типы опухолей».В их изучении они проанализировали эти от 52 oropharyngeal больных раком, которых разглядывали в МД Андерсоне между январем 2006 до августа 2010 и ранее имели их неотёсанные клинические объёмы и объёмы опухоли опухоли, очерченные для их радиационного лечения терапии.

Карденас совершил большое количество времени, замечая радиационную команду онкологии в МД Андерсоне, у которого имеется одна из нескольких команд онкологов подспециалиста по голове и шее в мире, пробуя выяснить, как они определяют цели.«Для рискованных целевых количеств большое количество радиационных онкологов времен применяет существующую неотёсанную заболевание опухоли и использует неоднородный край расстояния на базе формы опухоли и ее смежных тканей», заявил Карденас. «Мы начали, изучив это первое, применяя простые векторы расстояния».Карденас начал проект в 2015 и скоро накопил громоздкий количество данных, дабы проанализировать. Он обратился к глубокому изучению как метод добыть те эти и раскрыть ненаписанные правила, ведущие ответы специалистов.

Глубочайший метод изучения он создал автокодирующие устройства применения – форма нейронных сетей, каковые смогут изучить, как воображать комплекты разрешённых – чтобы опознать и воссоздать доктора, очерчивающего образцы.Модель применяет неотёсанную данные о карте расстояния и объёма опухоли от окружения анатомических структур как его данные. Это тогда классифицирует эти, дабы выяснить voxels – трехмерные пиксели – каковые являются частью рискованных клинических целевых томов.

В oropharyngeal случаях рака шею и голову в большинстве случаев разглядывают с разными количествами для большого, низкого и промежуточного риска. Бумага обрисовала автоматизацию цели рискованных областей.

Дополнительные грядущие бумаги обрисуют низкие и промежуточные предсказания.Карденас и его сотрудники удостоверились в надежности способ на подмножестве случаев, каковые были потеряны из данных тренировки.

Они нашли, что их результаты были сопоставимы с работой обученных онкологов. Предсказанные контуры, согласованные тесно с наземной правдой и, могли быть осуществлены клинически, с лишь малым либо никакие трансформации.

В дополнение к потенциальному сокращению изменчивости межврача и разрешению сравнений результатов в клинических опробованиях, третичное преимущество способа – эффективность и скорость, которую это предлагает. Радиационному онкологу требуются два – четыре часа, дабы выяснить клинические целевые количества.

В МД Андерсоне результат – тогда пэр, рассмотренный дополнительными докторами, дабы снять риск пропавших без вести болезни.Применяя Свободный суперкомпьютер в Texas Advanced Computing Center (TACC), они смогли произвести клинические целевые количества через менее чем 60 секунд. Обучение, которое совокупность заняла самому продолжительному количеству времени, но для того шага кроме этого, ресурсы TACC помогли ускорить изучение существенно.«Если бы мы должны были сделать это на отечественном местном GPU [единица обработки графики], потребовалось бы два месяца», заявил Карденас. «Но мы смогли отыскать что-либо подобное процессу и сделать оптимизацию на каждом больном, отправив те пути к TACC, и это – то, где мы нашли множество плюсов при помощи совокупности TACC».

«Сейчас мы видели взрыв новых проектов, применяя глубоко изучение на совокупностях TACC», сообщил Джо Аллен, Научный сотрудник в TACC. «Это захватывающе и делает для нас, дабы быть в состоянии поддержать изучение Карлоса, которое так тесно связано с настоящим медобслуживанием».Проект определенно рекомендован, дабы оказать помощь low-middle государствам, где экспертные знания в очерчивании более редки, не смотря на то, что возможно, что инструменты кроме этого будут нужны в Соединенных Штатах.Карденас заявляет, что таковой инструмент имел возможность кроме этого существенно принести пользу клиническим опробованиям, разрешив одному более легко выдержать сравнение, состояние больных разглядывало в двух разных учреждениях.

Говоря об интеграции о глубоком изучении в лечение рака, он сообщил: «Я пологаю, что это планирует изменить отечественную область. Кое-какие из этих совокупностей рекомендателя добираются, дабы быть весьма хорошими, и мы начинаем видеть совокупности, каковые смогут сделать предсказания с более высокой точностью, чем кое-какие радиологи смогут.

Я надеюсь, что клинический перевод этих инструментов предоставляет докторам дополнительную данные, способную привести к лучшему терпеливому лечению».

11 комментариев к “Онколог AI, чтобы помочь больным раком во всем мире: суперкомпьютеры раньше разрабатывали, проверяли целевой идентификационный инструмент лечения для раковых образований в голове и шее”

  1. Яковченко Герман

    Ты под моим постом отписалась первая,договор ты нарушила нахамив,на льу у тебя твой ник не написан,вся хронология на той ветке!:)

Оставьте комментарий